R nlme.nlsList 从 nlsList 对象进行 NLME 拟合

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 nlme.formula 。有关该函数的说明，请参阅 nlme.formula 的文档。

用法

## S3 method for class 'nlsList'
nlme(model, data, fixed, random, groups, start, correlation, weights,
     subset, method, na.action, naPattern, control, verbose)

参数

model	继承自类 "nlsList" 的对象，表示符合通用模型的 nls 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。
fixed	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。
groups	~g1(单级嵌套)或~g1/.../gQ(多级嵌套)形式的可选单边公式，指定随机效应变化的数据分区。 g1,...,gQ 必须评估 data 中的因子。当存在多个级别时，嵌套顺序从左到右(即g1是第一级，g2是第二级，依此类推)。
start	可选的数值向量，或固定效应和随机效应的初始估计列表。如果声明为数值向量，它将在内部转换为具有单个组件 fixed 的列表，由向量给定。需要 fixed 组件，除非模型函数继承自类 selfStart ，在这种情况下，初始值将从对 nlsList 的调用中派生。可选的 random 组件用于指定随机效应的初始值，并且应由一个矩阵或长度等于分组级别数的矩阵列表组成。每个矩阵的行数应与相应级别的组数一样多，列数应与该级别的随机效应数一样多。
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 "ML" 。
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 nlme 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 nlmeControl 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

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

例子

fm1 <- nlsList(SSasymp, data = Loblolly)
fm2 <- nlme(fm1, random = Asym ~ 1)
summary(fm1)
summary(fm2)

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.

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

也可以看看

nlme , lmList , nlmeObject