R gnls 使用广义最小二乘法拟合非线性模型

说明

该函数使用广义最小二乘法拟合非线性模型。允许误差相关和/或具有不等方差。

用法

gnls(model, data, params, start, correlation, weights, subset,
     na.action, naPattern, control, verbose)

参数

model	说明模型的两侧公式对象，~ 运算符左侧的响应以及右侧涉及参数和协变量的非线性表达式。如果给出data，则公式中使用的所有名称都应定义为 DataFrame 中的参数或变量。
data	包含 model 、 correlation 、 weights 、 subset 和 naPattern 中命名的变量的可选 DataFrame 。默认情况下，变量取自调用 gnls 的环境。
params	p1+...+pn~x1+...+xm 形式的可选双边线性公式，或 p1~x1+...+xm 形式的双边公式列表，每个参数可能具有不同的模型。 p1,...,pn 表示 model 右侧包含的参数，而 x1+...+xm 定义参数的线性模型(当公式左侧包含多个参数时，假定它们都遵循相同的线性模型由右侧表达式说明)。公式右侧的1 表示相应参数的单个固定效应。默认情况下，参数是从 start 的名称中获取的。
start	可选的命名列表或数值向量，其参数的初始值位于 model 中。当在 model 中使用 selfStarting 函数时，可以省略它，在这种情况下，将从对 nls 函数的单次调用中获得起始估计值。
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。
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 gnls 打印错误消息并在存在任何不完整的观察结果时终止。
naPattern	表达式或公式对象，指定哪些返回值被视为缺失。
control	估计算法的控制值列表，用于替换函数 gnlsControl 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 。

值

类 gnls 的对象，也继承自类 gls ，表示非线性模型拟合。 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gnlsObject。函数 resid 、 coef 和 fitted 可用于提取其某些组件。

例子

# variance increases with a power of the absolute fitted values
fm1 <- gnls(weight ~ SSlogis(Time, Asym, xmid, scal), Soybean,
            weights = varPower())
summary(fm1)

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 Carrol, R.J. and Rupert, 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.

Carrol, R.J. and Rupert, 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.

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

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

也可以看看

corClasses , gnlsControl , gnlsObject , gnlsStruct , predict.gnls , varClasses , varFunc