glm.summaries
位于 stats
包(package)。 说明
这些函数都是 methods
类的 glm
或 summary.glm
对象。
用法
## S3 method for class 'glm'
family(object, ...)
## S3 method for class 'glm'
residuals(object, type = c("deviance", "pearson", "working",
"response", "partial"), ...)
参数
object |
类 |
type |
应返回的残差类型。替代方案是: |
... |
传入或传出其他方法的进一步参数。 |
细节
这些参考文献定义了残差的类型:Davison & Snell 是关于每种残差的用法的一个很好的参考。
部分残差是工作残差矩阵,每列都是通过从模型中省略一项而形成的。
residuals
如何处理原始拟合中缺失值的情况由该拟合的 na.action
参数确定。如果 na.action = na.omit
省略的情况将不会出现在残差中,而如果 na.action = na.exclude
则它们将出现,并具有残差值 NA
。另请参阅naresid
。
对于使用 y = FALSE
完成的拟合,响应值是根据其他组件计算的。
参考
Davison, A. C. and Snell, E. J. (1991) Residuals and diagnostics. In: Statistical Theory and Modelling. In Honour of Sir David Cox, FRS, eds. Hinkley, D. V., Reid, N. and Snell, E. J., Chapman & Hall.
Hastie, T. J. and Pregibon, D. (1992) Generalized linear models. Chapter 6 of Statistical Models in S eds J. M. Chambers and T. J. Hastie, Wadsworth & Brooks/Cole.
McCullagh P. and Nelder, J. A. (1989) Generalized Linear Models. London: Chapman and Hall.
也可以看看
glm
用于计算 glm.obj
, anova.glm
;相应的泛型函数 summary.glm
、 coef
、 deviance
、 df.residual
、 effects
、 fitted
、 residuals
。
influence.measures 用于删除诊断,包括标准化 ( rstandard
) 和学生化 ( rstudent
) 残差。
相关用法
- R glm.control 控制 GLM 拟合的辅助装置
- R glm 拟合广义线性模型
- R getInitial 获取初始参数估计
- 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
- R formula 模型公式
- R nls.control 控制 nls 中的迭代
- R aggregate 计算数据子集的汇总统计
- R deriv 简单表达式的符号和算法导数
- R kruskal.test Kruskal-Wallis 秩和检验
- R quade.test 四方测试
- R decompose 移动平均线的经典季节性分解
- R plot.stepfun 绘制阶跃函数
- R alias 查找模型中的别名(依赖项)
- R qqnorm 分位数-分位数图
- R eff.aovlist 多层方差分析的计算效率
- R pairwise.t.test 成对 t 检验
- R loglin 拟合对数线性模型
- R predict.smooth.spline 通过平滑样条拟合进行预测
- R bartlett.test 方差齐性的 Bartlett 检验
- R influence.measures 回归删除诊断
- R loess.control 设置黄土参数
注:本文由纯净天空筛选整理自R-devel大神的英文原创作品 Accessing Generalized Linear Model Fits。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。