add1
位于 stats
包(package)。 说明
计算 scope
参数中可以添加到模型或从模型中删除的所有单项,拟合这些模型并计算拟合变化表。
用法
add1(object, scope, ...)
## Default S3 method:
add1(object, scope, scale = 0, test = c("none", "Chisq"),
k = 2, trace = FALSE, ...)
## S3 method for class 'lm'
add1(object, scope, scale = 0, test = c("none", "Chisq", "F"),
x = NULL, k = 2, ...)
## S3 method for class 'glm'
add1(object, scope, scale = 0,
test = c("none", "Rao", "LRT", "Chisq", "F"),
x = NULL, k = 2, ...)
drop1(object, scope, ...)
## Default S3 method:
drop1(object, scope, scale = 0, test = c("none", "Chisq"),
k = 2, trace = FALSE, ...)
## S3 method for class 'lm'
drop1(object, scope, scale = 0, all.cols = TRUE,
test = c("none", "Chisq", "F"), k = 2, ...)
## S3 method for class 'glm'
drop1(object, scope, scale = 0,
test = c("none", "Rao", "LRT", "Chisq", "F"),
k = 2, ...)
参数
object |
拟合的模型对象。 |
scope |
给出添加或删除时要考虑的项的公式。 |
scale |
用于计算 |
test |
结果是否应该包括相对于原始模型的检验统计量? F 检验仅适用于 |
k |
AIC / 中的惩罚常数。 |
trace |
如果是 |
x |
模型矩阵,包含拟合模型的列和上部范围中的所有项。如果要重复调用 |
all.cols |
(提供与 S 的兼容性。)逻辑指定是否应使用设计矩阵的所有列。如果 |
... |
传入或传出其他方法的进一步参数。 |
细节
对于 drop1
方法,缺失的 scope
被视为模型中的所有项。在考虑要添加或删除的项时,会遵循层次结构:二阶交互中包含的所有主效应必须保留,等等。
在 scope
公式中,.
表示“已经存在的内容”。
lm
和glm
的方法更高效,因为它们不重新计算模型矩阵并直接调用fit
方法。
默认输出表给出 AIC,定义为减去两倍对数似然加上 Cp
而不是 AIC
。 ,其中 是模型的排名(有效参数的数量)。这仅定义为加性常数(如对数似然)。对于具有固定尺度的线性高斯模型,选择常数来给出 Mallows 的 、 。在使用 的情况下,该列标记为
"glm"
方法的 F 测试基于偏差测试分析,因此如果估计离差,则它是基于残余偏差,这与 anova.glm
的 F 测试不同。
值
"anova"
类的对象总结了模型之间拟合的差异。
警告
模型拟合必须将模型应用到同一数据集。如果 na.action = na.omit
,大多数方法将尝试使用没有任何变量缺失值的数据子集,但这可能会产生有偏差的结果。仅对包含缺失值的数据使用这些函数时要格外小心。
默认方法调用函数 nobs
以检查拟合过程中涉及的观测值数量是否保持不变。
注意
这些并不完全等同于 S 中的函数。没有 keep
参数,并且使用的方法在计算上不太高效。
使用他们的作者对 Mallows 的 和 Akaike 的 AIC 的定义,而不是 S 模型章节作者的定义。
例子
require(graphics); require(utils)
## following example(swiss)
lm1 <- lm(Fertility ~ ., data = swiss)
add1(lm1, ~ I(Education^2) + .^2)
drop1(lm1, test = "F") # So called 'type II' anova
## following example(glm)
drop1(glm.D93, test = "Chisq")
drop1(glm.D93, test = "F")
add1(glm.D93, scope = ~outcome*treatment, test = "Rao") ## Pearson Chi-square
作者
The design was inspired by the S functions of the same names described in Chambers (1992).
参考
Chambers, J. M. (1992) Linear models. Chapter 4 of Statistical Models in S eds J. M. Chambers and T. J. Hastie, Wadsworth & Brooks/Cole.
也可以看看
step
, aov
, lm
, extractAIC
, anova
相关用法
- R addmargins 在多维表或数组上设置任意边距
- R aggregate 计算数据子集的汇总统计
- R alias 查找模型中的别名(依赖项)
- R anova.glm 广义线性模型拟合的偏差分析
- R anova.mlm 多元线性模型之间的比较
- R anova 方差分析表
- R asOneSidedFormula 转换为单边公式
- R as.hclust 将对象转换为 hclust 类
- R ar.ols 通过 OLS 将自回归模型拟合到时间序列
- R arima.sim 从 ARIMA 模型进行模拟
- R ar 将自回归模型拟合到时间序列
- R arima 时间序列的 ARIMA 建模
- R ansari.test 安萨里-布拉德利检验
- R approxfun 插值函数
- R acf 自协方差和互协方差以及相关函数估计
- R aov 拟合方差分析模型
- R ave 因子水平组合的组平均值
- R arima0 时间序列的 ARIMA 建模 – 初步版本
- R acf2AR 计算精确拟合 ACF 的 AR 过程
- R anova.lm 线性模型拟合的方差分析
- R stlmethods STL 对象的方法
- R medpolish 矩阵的中值波兰(稳健双向分解)
- R naprint 调整缺失值
- R summary.nls 总结非线性最小二乘模型拟合
- R summary.manova 多元方差分析的汇总方法
注:本文由纯净天空筛选整理自R-devel大神的英文原创作品 Add or Drop All Possible Single Terms to a Model。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。