R lme.lmList LME 适合 lmList 对象

说明

如果 random 中定义的随机效应名称是 lmList 对象系数名称的子集，则获得随机效应协方差矩阵的初始估计(覆盖 random 中给出的任何值)。用于获取 fixed 的调用序列中的 formula(fixed) 和 data 参数作为 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 'lmList'
lme(fixed, data, random, correlation, weights, subset, method,
    na.action, control, contrasts, keep.data)

参数

fixed	继承自类 "lmList." 的对象，表示符合通用模型的 lm 列表。
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	不带条件表达式的可选单侧线性公式，或具有 formula 属性的 pdMat 对象。此方法函数不允许进行多级分组。默认为由 formula(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 <- lmList(Orthodont)
fm2 <- lme(fm1)
summary(fm1)
summary(fm2)

作者

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

参考

The computational methods follow the general framework of Lindstrom and Bates (1988). The model formulation is described in Laird and Ware (1982). The variance-covariance parametrizations are described in Pinheiro and Bates (1996). The different correlation structures available for the correlation argument are described in Box, Jenkins and Reinse (1994), Littel et al (1996), and Venables and Ripley, (2002). The use of variance functions for linear and nonlinear mixed effects models is presented in detail in Davidian and Giltinan (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.

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

也可以看看

lme , lmList , lmeObject