R groupedData 构造一个 groupedData 对象

说明

groupedData 类的对象是从 formula 和 data 构造的，方法是将 formula 附加为数据的属性，以及 outer 、 inner 、 labels 和 units 。如果 order.groups 是 TRUE ，则分组因子将转换为有序因子，其排序由 FUN 确定。根据分组级别的数量和主协变量的类型，返回的对象将属于以下三个类别之一： nfnGroupedData - 数字协变量，单层嵌套； nffGroupedData - 因子协变量，单层嵌套；和nmGroupedData - 多层嵌套。多个建模和绘图函数可以使用 groupedData 对象存储的公式来构建默认绘图和模型。

用法

groupedData(formula, data, order.groups, FUN, outer, inner,
            labels, units)

## S3 method for class 'groupedData'
update(object, formula, data, order.groups, FUN,
       outer, inner, labels, units, ...)

参数

object	从类 groupedData 继承的对象。
formula	resp ~ cov | group 形式的公式，其中 resp 是响应，cov 是主要协变量，group 是分组因子。当没有其他合适的候选者时，表达式 1 可用于主要协变量。可以列出多个嵌套分组因子，并用 / 符号分隔，如 fact1/fact2 中所示。在这样的表达式中，fact2 因子嵌套在 fact1 因子内。
data	可以在其中评估 formula 中的表达式的数据帧。生成的 groupedData 对象将由相同顺序的相同数据值组成，但具有附加属性。
order.groups	可选逻辑值或逻辑值列表，指示是否应根据应用于每个组的响应的函数 FUN 将分组因子转换为有序因子。如果存在多个分组级别，则此参数可以是单个逻辑值(将针对所有分组级别重复)或逻辑值列表。如果没有为列表元素分配名称，则假定它们的顺序与组级别相同(最外层到最内层分组)。分组级别内的排序是在其外部的分组因子的级别内完成的。将分组因子更改为有序因子不会影响 DataFrame 中行的排序，但会影响数据或适合数据的模型的网格显示中面板的顺序。默认为 TRUE 。
FUN	可选的汇总函数，当 order.groups = TRUE 时，该函数将应用于分组因子每个级别的响应值，以确定排序。默认为max 函数。
outer	可选的单边公式或单边公式列表，指示分组因子外部的协变量。如果存在多个级别的分组，则该参数可以是单个单边公式，也可以是单边公式列表。如果没有为列表元素分配名称，则假定它们的顺序与组级别相同(最外层到最内层分组)。外部协变量在分组因子定义的行集中是不变的。对组进行排序的方式是为了保持具有相同外部变量值的组的邻接性。绘制 groupedData 对象时，参数 outer = TRUE 导致面板由 outer 公式确定。面板内的点通过分组因子的级别相关联。默认为 NULL ，这意味着不存在外部协变量。
inner	可选的单边公式或单边公式列表，指示分组因子内部的协变量。如果存在多个级别的分组，则该参数可以是单个单边公式，也可以是单边公式列表。如果没有为列表元素分配名称，则假定它们的顺序与组级别相同(最外层到最内层分组)。内部协变量可以在分组因子定义的行集中发生变化。内部公式可用于关联 groupedData 对象图中的点。默认为 NULL ，这意味着不存在内部协变量。
labels	一个可选的字符串列表，为响应和主要协变量提供标签。主协变量的标签名为 x ，响应的标签名为 y 。任一标签都可以省略。
units	给出响应和主要协变量单位的可选字符串列表。主协变量的单位字符串名为 x ，响应的单位字符串名为 y 。任一单位字符串都可以省略。
...	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。

值

类 nfnGroupedData 、 nffGroupedData 或 nmGroupedData 之一的对象，并且还继承自类 groupedData 和 data.frame 。

例子

Orth.new <-  # create a new copy of the groupedData object
  groupedData( distance ~ age | Subject,
              data = as.data.frame( Orthodont ),
              FUN = mean,
              outer = ~ Sex,
              labels = list( x = "Age",
                y = "Distance from pituitary to pterygomaxillary fissure" ),
              units = list( x = "(yr)", y = "(mm)") )
plot( Orth.new )         # trellis plot by Subject
formula( Orth.new )      # extractor for the formula
gsummary( Orth.new )     # apply summary by Subject
fm1 <- lme( Orth.new )   # fixed and groups formulae extracted from object
Orthodont2 <- update(Orthodont, FUN = mean)

作者

Douglas Bates and José Pinheiro

参考

Bates, D.M. and Pinheiro, J.C. (1997), "Software Design for Longitudinal Data", in "Modelling Longitudinal and Spatially Correlated Data: Methods, Applications and Future Directions", T.G. Gregoire (ed.), Springer-Verlag, New York.

Pinheiro, J.C. and Bates, D.M. (1997) "Future Directions in Mixed-Effects Software: Design of NLME 3.0" available at http://nlme.stat.wisc.edu/

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

也可以看看

formula , gapply , gsummary , lme , plot.nffGroupedData , plot.nfnGroupedData , plot.nmGroupedData , reStruct