R语言
yates
位于 survival
包(package)。 说明
根据模型拟合计算所选总体和统计数据的总体边际均值 (PMM)。
用法
yates(fit, term, population = c("data", "factorial", "sas"),
levels, test = c("global", "trend", "pairwise"), predict = "linear",
options, nsim = 200, method = c("direct", "sgtt"))
参数
fit |
模型拟合。小插图中给出了使用 lm、glm 和 coxph 对象的示例。 |
term |
要评估的模型中的项。这可以写成字符串或公式。 |
population |
用于调整变量的总体。用户可以提供自己的 DataFrame 或选择内置选项之一。该参数还允许 "empirical" 和 "yates" 分别作为数据和阶乘的别名,并忽略大小写。 |
levels |
可选,应使用 |
test |
比较人口预测的检验。 |
predict |
预测什么。对于 glm 模型,这可能是'link' 或'response'。对于 coxph 模型,它可以是线性、风险或生存。允许用户编写函数。 |
options |
预测方法的可选参数。 |
nsim |
用于计算预测方差的模拟次数。这对于线性预测器来说是不需要的。 |
method |
测试人口预测平等的计算方法。直接方法或 SAS glim 程序用于“类型 3”测试的算法。 |
细节
该函数的许多选项和细节在人口预测的小插图中得到了最好的说明。
值
类 yates
的对象,其组件为
estimate |
DataFrame ,其中术语的每个级别占一行,列包含级别、平均总体预测值 (mppv) 及其标准差。 |
tests |
给出测试统计量的矩阵 |
mvar |
mppv 值的完整方差-协方差矩阵 |
summary |
可选:如果预测方法提供了值,则任何进一步的摘要。 |
例子
fit1 <- lm(skips ~ Solder*Opening + Mask, data = solder)
yates(fit1, ~Opening, population = "factorial")
fit2 <- coxph(Surv(time, status) ~ factor(ph.ecog)*sex + age, lung)
yates(fit2, ~ ph.ecog, predict="risk") # hazard ratio
作者
Terry Therneau
相关用法
- R yates_setup 将新模型添加到 yates 函数的方法。
- R hoel 小鼠癌症数据
- R survcondense 缩短 (time1, time2) 生存数据集
- R myeloid 急性粒细胞白血病
- R tobin 托宾的托比特数据
- R pseudo 生存的伪值。
- R levels.Surv 返回多状态 Surv 对象的状态
- R rats Mantel 等人的大鼠治疗数据
- R diabetic 糖尿病视网膜病变
- R pbc 梅奥诊所原发性胆汁性胆管炎数据
- R plot.survfit survfit 对象的绘图方法
- R kidney 肾导管数据
- R stanford2 更多斯坦福心脏移植数据
- R print.aareg 打印 aareg 对象
- R pyears 人年
- R residuals.survreg 计算“survreg”对象的残差
- R cgd0 慢性肉芽肿病数据
- R mgus2 单克隆丙种球蛋白病数据
- R model.frame.coxph coxph 对象的 Model.frame 方法
- R brier 计算 Cox 模型的 Brier 分数
- R nsk 以结高度为基础的自然样条。
- R survSplit 在指定时间分割生存数据集
- R mgus 单克隆丙种球蛋白病数据
- R summary.pyears pyears 对象的汇总函数
- R reliability 可靠性数据集
注:本文由纯净天空筛选整理自R-devel大神的英文原创作品 Population prediction。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。