R lme.groupedData LME 从 groupedData 对象拟合

说明

formula(fixed) 中的响应变量和主要协变量用于构建固定效应模型公式。此公式和 groupedData 对象作为 fixed 和 data 参数以及函数调用中的任何其他附加参数传递给 lme.formula 。有关该函数的说明，请参阅 lme.formula 的文档。

用法

## S3 method for class 'groupedData'
lme(fixed, data, random, correlation, weights, 
    subset, method, na.action, control, contrasts, keep.data = TRUE)

参数

fixed	继承自类 "groupedData" 的 DataFrame 。
data	包含此参数是为了与通用函数保持一致。在此方法函数中它被忽略。
random	可选地，以下任何一项：(i) ~x1+...+xn | g1/.../gm 形式的片面公式，其中 x1+...+xn 指定随机效应模型，g1/.../gm 指定分组结构(m 可能等于 1，在这种情况下不需要/)。在多级别分组的情况下，随机效应公式将针对所有级别的分组重复； (ii) ~x1+...+xn | g 形式的单边公式列表，每个分组级别可能具有不同的随机效应模型。嵌套顺序将假定与列表中元素的顺序相同； (iii) ~x1+...+xn 形式的片面公式，或带有公式的 pdMat 对象(即 formula(object) 的非 NULL 值)，或此类公式或 pdMat 对象的列表。在这种情况下，分组结构公式将从用于拟合线性混合效应模型的数据中导出，该公式应继承自类 groupedData ； (iv) 如 (iii) 中所示的公式或 pdMat 对象的命名列表，其中分组因子作为名称。嵌套顺序将假定与列表中元素的顺序相同； (v) reStruct 对象。有关可用 pdMat 类的说明，请参阅 pdClasses 的文档。默认为由 fixed 右侧组成的公式。
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。默认为 NULL ，对应于没有组内相关性。
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 ，对应于同方差组内误差。
subset	一个可选表达式，指示应在拟合中使用的 data 行的子集。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 lme 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 lmeControl 返回的默认值。默认为空列表。
contrasts	可选列表。请参阅 model.matrix.default 的 contrasts.arg 。
keep.data	逻辑：data 参数(如果提供和 DataFrame )是否应该保存为模型对象的一部分？

值

代表线性混合效应模型拟合的 lme 类的对象。 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lmeObject。函数 resid 、 coef 、 fitted 、 fixed.effects 和 random.effects 可用于提取其某些组件。

例子

fm1 <- lme(Orthodont)
summary(fm1)

作者

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

参考

The computational methods follow on the general framework of Lindstrom, M.J. and Bates, D.M. (1988). The model formulation is described in Laird, N.M. and Ware, J.H. (1982). The variance-covariance parametrizations are described in Pinheiro, J.C. and Bates., D.M. (1996). 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 mixed effects models is presented in detail in 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.

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

Laird, N.M. and Ware, J.H. (1982) "Random-Effects Models for Longitudinal Data", Biometrics, 38, 963-974.

Lindstrom, M.J. and Bates, D.M. (1988) "Newton-Raphson and EM Algorithms for Linear Mixed-Effects Models for Repeated-Measures Data", Journal of the American Statistical Association, 83, 1014-1022.

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. (1996) "Unconstrained Parametrizations for Variance-Covariance Matrices", Statistics and Computing, 6, 289-296.

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

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

也可以看看

lme , groupedData , lmeObject