R broom tidy.btergm 整理 a(n) btergm 对象

Tidy 总结了有关模型组件的信息。模型组件可能是回归中的单个项、单个假设、聚类或类。 tidy 所认为的模型组件的确切含义因模型而异，但通常是不言而喻的。如果模型具有多种不同类型的组件，您将需要指定要返回哪些组件。

该方法整理了自举时间指数随机图模型的系数，该模型是用xergm。它只是返回系数及其置信区间。

用法

# S3 method for btergm
tidy(x, conf.level = 0.95, exponentiate = FALSE, ...)

参数

x

btergm::btergm() 对象。

conf.level

置信区间的置信水平。默认为 0.95。

exponentiate

逻辑指示是否对系数估计值取幂。这对于逻辑回归和多项回归来说是典型的，但如果没有 log 或 logit 链接，那么这是一个坏主意。默认为 FALSE 。

...

附加参数。不曾用过。仅需要匹配通用签名。注意：拼写错误的参数将被吸收到 ... 中，并被忽略。如果拼写错误的参数有默认值，则将使用默认值。例如，如果您传递 conf.lvel = 0.9 ，所有计算将使用 conf.level = 0.95 进行。这里有两个异常：

tidy() 方法在提供 exponentiate 参数时会发出警告(如果该参数将被忽略)。
augment() 方法在提供 newdata 参数时会发出警告(如果该参数将被忽略)。

也可以看看

tidy() , btergm::btergm()

值

带有列的 tibble::tibble()：

conf.high: 估计置信区间的上限。
conf.low: 估计置信区间的下限。
estimate: 回归项的估计值。
term: 回归项的名称。

例子


library(btergm)
#> Package:  btergm
#> Version:  1.10.10
#> Date:     2023-04-20
#> Authors:  Philip Leifeld (University of Essex)
#>           Skyler J. Cranmer (The Ohio State University)
#>           Bruce A. Desmarais (Pennsylvania State University)
library(network)
#> 
#> ‘network’ 1.18.1 (2023-01-24), part of the Statnet Project
#> * ‘news(package="network")’ for changes since last version
#> * ‘citation("network")’ for citation information
#> * ‘https://statnet.org’ for help, support, and other information

set.seed(5)

# create 10 random networks with 10 actors
networks <- list()
for (i in 1:10) {
  mat <- matrix(rbinom(100, 1, .25), nrow = 10, ncol = 10)
  diag(mat) <- 0
  nw <- network(mat)
  networks[[i]] <- nw
}

# create 10 matrices as covariates
covariates <- list()
for (i in 1:10) {
  mat <- matrix(rnorm(100), nrow = 10, ncol = 10)
  covariates[[i]] <- mat
}

# fit the model
mod <- btergm(networks ~ edges + istar(2) + edgecov(covariates), R = 100)
#> 
#> Initial dimensions of the network and covariates:
#>                  t=1 t=2 t=3 t=4 t=5 t=6 t=7 t=8 t=9 t=10
#> networks (row)    10  10  10  10  10  10  10  10  10   10
#> networks (col)    10  10  10  10  10  10  10  10  10   10
#> covariates (row)  10  10  10  10  10  10  10  10  10   10
#> covariates (col)  10  10  10  10  10  10  10  10  10   10
#> 
#> All networks are conformable.
#> 
#> Dimensions of the network and covariates after adjustment:
#>                  t=1 t=2 t=3 t=4 t=5 t=6 t=7 t=8 t=9 t=10
#> networks (row)    10  10  10  10  10  10  10  10  10   10
#> networks (col)    10  10  10  10  10  10  10  10  10   10
#> covariates (row)  10  10  10  10  10  10  10  10  10   10
#> covariates (col)  10  10  10  10  10  10  10  10  10   10
#> 
#> Starting pseudolikelihood estimation with 100 bootstrapping replications on a single computing core...
#> Done.

# summarize model fit with tidiers
tidy(mod)
#> # A tibble: 3 × 4
#>   term                    estimate conf.low conf.high
#>   <chr>                      <dbl>    <dbl>     <dbl>
#> 1 edges                    -1.23    -1.37      -1.01 
#> 2 istar2                    0.0837  -0.0571     0.165
#> 3 edgecov.covariates[[i]]  -0.0345  -0.177      0.112

源代码：R/btergm-tidiers.R

相关用法

注：本文由纯净天空筛选整理自等大神的英文原创作品 Tidy a(n) btergm object。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。