summary.nls
位于 stats
包(package)。 说明
"nls"
类的 summary
方法。
用法
## S3 method for class 'nls'
summary(object, correlation = FALSE, symbolic.cor = FALSE, ...)
## S3 method for class 'summary.nls'
print(x, digits = max(3, getOption("digits") - 3),
symbolic.cor = x$symbolic.cor,
signif.stars = getOption("show.signif.stars"), ...)
参数
object |
类 |
x |
类 |
correlation |
逻辑性;如果 |
digits |
打印时使用的有效位数。 |
symbolic.cor |
合乎逻辑的。如果 |
signif.stars |
合乎逻辑的。如果 |
... |
传入或传出其他方法的进一步参数。 |
细节
用于查找标准误差和残差标准误差(对于 t 比率)的分布的分布理论基于线性化,并且是近似的,甚至可能非常近似。
print.summary.nls
尝试智能地格式化系数、标准错误等,如果 signif.stars
是 TRUE
,则另外给出“重要性星星”。
相关性被打印到小数点后两位(或象征性地):要查看实际的相关性,请直接打印summary(object)$correlation
。
值
函数 summary.nls
使用其参数中的组件 "formula"
计算并返回 object
中给出的拟合模型的汇总统计列表,加上
residuals |
加权残差,通常的残差通过调用 |
coefficients |
矩阵,其中包含估计系数、其标准误差、t-statistic 和相应的(两侧)p 值的列。 |
sigma |
随机误差估计方差的平方根 其中 是第 加权残差。 |
df |
自由度,2-向量 。 (此处和其他地方 省略了权重为零的观测值。) |
cov.unscaled |
参数估计的(未缩放的)协方差的 矩阵。 |
correlation |
如果指定了 |
symbolic.cor |
(仅当 |
也可以看看
函数 coef
将提取具有标准误差、t-statistics 和 p 值的系数矩阵。
相关用法
- R summary.manova 多元方差分析的汇总方法
- R summary.lm 总结线性模型拟合
- R summary.princomp 主成分分析的汇总方法
- R summary.aov 方差模型分析总结
- R summary.glm 广义线性模型拟合总结
- R supsmu 弗里德曼的超级平滑
- R stlmethods STL 对象的方法
- R smooth Tukey 的(运行中值)平滑
- R screeplot 屏幕图
- R sortedXyData 创建一个sortedXyData对象
- R sigma 提取残余标准差“Sigma”
- R setNames 设置对象中的名称
- R stat.anova GLM 方差分析统计
- R scatter.smooth 黄土拟合的平滑曲线散点图
- R splinefun 插值样条曲线
- R spec.taper 通过余弦钟锥化时间序列
- R symnum 符号数字编码
- R se.contrast 模型术语对比的标准误差
- R stepfun Step Functions - 创建和类
- R shapiro.test 夏皮罗-威尔克正态性检验
- R selfStart 构建自启动非线性模型
- R spec.pgram 通过平滑周期图估计时间序列的谱密度
- R spec.ar 通过 AR Fit 估计时间序列的频谱密度
- R smooth.spline 拟合平滑样条曲线
- R stl Loess 时间序列的季节分解
注:本文由纯净天空筛选整理自R-devel大神的英文原创作品 Summarizing Non-Linear Least-Squares 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。