R loglin 拟合对数线性模型

说明

loglin 用于通过迭代比例拟合将对数线性模型拟合到多维列联表。

用法

loglin(table, margin, start = rep(1, length(table)), fit = FALSE,
       eps = 0.1, iter = 20, param = FALSE, print = TRUE)

参数

table	要拟合的列联表，通常是 table 的输出。
margin	具有要拟合的边际总数的向量列表。 (分层)对数线性模型可以根据这些边际总计来指定，这些边际总计给出了模型中包含的 ‘maximal’ 因子子集。例如，在 three-factor 模型中，list(c(1, 2), c(1, 3)) 指定一个模型，其中分别包含总均值、每个因子以及 1-2 和 1-3 交互作用的参数(但没有 2-3 或 1-2- 3 交互作用)，即因子 2 和 3 以因子 1 为条件独立的模型(有时表示为“[12][13]”)。 可以使用因子的名称(即 names(dimnames(table)) )而不是数字索引。
start	拟合表的初始估计。此可选参数对于 table 中具有结构零的不完整表很重要，应将其保留在拟合中。在这种情况下，start中的相应条目应该为零，其他可以视为1。
fit	指示是否应返回拟合值的逻辑。
eps	观察到的边距与拟合边距之间允许的最大偏差。
iter	最大迭代次数。
param	指示是否应返回参数值的逻辑。
print	一个合乎逻辑的。如果是 TRUE ，则打印迭代次数和最终偏差。

细节

Haberman (1972) 中提出的迭代比例拟合算法用于拟合模型。最多执行 iter 次迭代，当观察到的边距与拟合边距之间的最大偏差小于 eps 时，认为发生收敛。所有内部计算均以双精度完成；模型中的因子数量(表的维度)没有限制。

假设不存在结构零点，似然比检验和 Pearson 检验统计量均具有带有 df 自由度的渐近卡方分布。

请注意，IPF 步骤按照 margin 中给出的顺序应用于因子。因此，如果模型是可分解的，并且 margin 中给出的顺序是运行交集属性排序，则 IPF 将在一次迭代中收敛。

包 MASS 包含 loglm ，它是 loglin 的前端，它允许指定对数线性模型，并以类似于其他拟合函数的基于公式的方式进行拟合，例如 lm 或glm 。

值

包含以下组件的列表。

lrt	似然比检验统计量。
pearson	皮尔逊检验统计量 (X-squared)。
df	拟合模型的自由度。结构零点没有调整。
margin	适合的边距列表。本质上与输入 margin 相同，但在可能的情况下用名称替换数字。
fit	类似 table 的数组包含拟合值。仅当 fit 为 TRUE 时才返回。
param	包含模型估计参数的列表。采用零边际和的 ‘standard’ 约束(例如，二因子参数的行和列和为零)。仅当 param 为 TRUE 时才返回。

例子

## Model of joint independence of sex from hair and eye color.
fm <- loglin(HairEyeColor, list(c(1, 2), c(1, 3), c(2, 3)))
fm
1 - pchisq(fm$lrt, fm$df)
## Model with no three-factor interactions fits well.

作者

Kurt Hornik

参考

Becker, R. A., Chambers, J. M. and Wilks, A. R. (1988). The New S Language. Wadsworth & Brooks/Cole.

Haberman, S. J. (1972). Algorithm AS 51: Log-linear fit for contingency tables. Applied Statistics, 21, 218-225. doi:10.2307/2346506.

Agresti, A. (1990). Categorical data analysis. New York: Wiley.

也可以看看

table 。

loglm 位于包 MASS 中，用于用户友好的包装器。

glm 用于拟合对数线性模型的另一种方法。