R gls 使用广义最小二乘法拟合线性模型

说明

该函数使用广义最小二乘法拟合线性模型。允许误差相关和/或具有不等方差。

用法

gls(model, data, correlation, weights, subset, method, na.action,
    control, verbose)
## S3 method for class 'gls'
update(object, model., ..., evaluate = TRUE)

参数

object	继承自类 "gls" 的对象，表示广义最小二乘拟合线性模型。
model	说明模型的两侧线性公式对象，响应位于 ~ 运算符的左侧，术语由 + 运算符分隔，位于右侧。
model.	对模型的更改 - 有关详细信息，请参阅update.formula。
data	包含 model 、 correlation 、 weights 和 subset 中命名的变量的可选 DataFrame 。默认情况下，变量取自调用 gls 的环境。
correlation	说明组内相关结构的可选 corStruct 对象。有关可用 corStruct 类的说明，请参阅 corClasses 的文档。如果要使用分组变量，则必须在 corStruct 构造函数的 form 参数中指定它。默认为 NULL ，对应于不相关的错误。
weights	可选的 varFunc 对象或说明组内异方差结构的单边公式。如果作为公式给出，则它将用作 varFixed 的参数，对应于固定方差权重。有关可用 varFunc 类的说明，请参阅 varClasses 的文档。默认为 NULL ，对应于同方差误差。
subset	一个可选表达式，指示应在拟合中使用 data 的行子集。这可以是逻辑向量，或者指示要包括哪些观察编号的数值向量，或者要包括的行名称的字符向量。默认情况下包括所有观察结果。
method	一个字符串。如果"REML" 则通过最大化受限对数似然来拟合模型。如果"ML" 则对数似然最大化。默认为 "REML" 。
na.action	一个函数，指示当数据包含 NA 时应该发生什么。默认操作 ( na.fail ) 会导致 gls 打印错误消息并在存在任何不完整的观察结果时终止。
control	估计算法的控制值列表，用于替换函数 glsControl 返回的默认值。默认为空列表。
verbose	可选的逻辑值。如果打印TRUE有关迭代算法演化的信息。默认为 FALSE 。
...	该泛型的某些方法需要额外的参数。此方法中没有使用任何内容。
evaluate	如果 TRUE 评估新调用，否则返回该调用。

细节

model 中的 offset 术语自 3.1-157 (2022-03) 起是一个错误：之前它们被默默地忽略。

值

代表线性模型拟合的类 "gls" 的对象。 print 、 plot 和 summary 等通用函数具有显示拟合结果的方法。有关配合的组成部分，请参阅glsObject。函数 resid 、 coef 和 fitted 可用于提取其某些组件。

例子

# AR(1) errors within each Mare
fm1 <- gls(follicles ~ sin(2*pi*Time) + cos(2*pi*Time), Ovary,
           correlation = corAR1(form = ~ 1 | Mare))
# variance increases as a power of the absolute fitted values
fm2 <- update(fm1, weights = varPower())

作者

José Pinheiro and Douglas Bates bates@stat.wisc.edu

参考

The different correlation structures available for the correlation argument are described in Box, G.E.P., Jenkins, G.M., and Reinsel G.C. (1994), Littel, R.C., Milliken, G.A., Stroup, W.W., and Wolfinger, R.D. (1996), and Venables, W.N. and Ripley, B.D. (2002). The use of variance functions for linear and nonlinear models is presented in detail in Carroll, R.J. and Ruppert, D. (1988) and Davidian, M. and Giltinan, D.M. (1995).

Box, G.E.P., Jenkins, G.M., and Reinsel G.C. (1994) "Time Series Analysis: Forecasting and Control", 3rd Edition, Holden-Day.

Carroll, R.J. and Ruppert, D. (1988) "Transformation and Weighting in Regression", Chapman and Hall.

Davidian, M. and Giltinan, D.M. (1995) "Nonlinear Mixed Effects Models for Repeated Measurement Data", Chapman and Hall.

Littel, R.C., Milliken, G.A., Stroup, W.W., and Wolfinger, R.D. (1996) "SAS Systems for Mixed Models", SAS Institute.

Pinheiro, J.C., and Bates, D.M. (2000) "Mixed-Effects Models in S and S-PLUS", Springer, esp. pp. 100, 461.

Venables, W.N. and Ripley, B.D. (2002) "Modern Applied Statistics with S", 4th Edition, Springer-Verlag.

也可以看看

corClasses , glsControl , glsObject , glsStruct , plot.gls , predict.gls , qqnorm.gls , residuals.gls , summary.gls , varClasses , varFunc