R gamma.shape 估計 GLM 擬合中 Gamma 分布的形狀參數

說明

擬合 Gamma 廣義線性模型後求伽馬分布形狀參數的最大似然估計。

用法

gamma.shape(object, ...)

## S3 method for class 'glm'
gamma.shape(object, it.lim = 10,
            eps.max = .Machine$double.eps^0.25, verbose = FALSE, ...)

參數

object	使用 variance = "mu^2" 擬合來自 Gamma 係列或 quasi 係列的模型對象。
it.lim	迭代次數的上限。
eps.max	迭代過程繼續的近似值之間的最大差異。
verbose	如果 TRUE ，會導致打印出連續的迭代。初步估計是根據偏差得出的。
...	傳入或傳出其他方法的進一步參數。

細節

Gamma 係列的 glm 擬合可以正確計算平均參數的最大似然估計，但僅提供色散參數的粗略估計。該函數采用 glm 擬合的結果並求解色散參數(通常稱為形狀(或指數)參數)倒數的最大似然方程。

值

兩個組件的列表

alpha	最大似然估計
SE	近似標準誤差，觀測信息倒數的平方根。

例子

clotting <- data.frame(
    u = c(5,10,15,20,30,40,60,80,100),
    lot1 = c(118,58,42,35,27,25,21,19,18),
    lot2 = c(69,35,26,21,18,16,13,12,12))
clot1 <- glm(lot1 ~ log(u), data = clotting, family = Gamma)
gamma.shape(clot1)

gm <- glm(Days + 0.1 ~ Age*Eth*Sex*Lrn,
          quasi(link=log, variance="mu^2"), quine,
          start = c(3, rep(0,31)))
gamma.shape(gm, verbose = TRUE)
## IGNORE_RDIFF_BEGIN
summary(gm, dispersion = gamma.dispersion(gm))  # better summary
## IGNORE_RDIFF_END

參考

Venables, W. N. and Ripley, B. D. (2002) Modern Applied Statistics with S. Fourth edition. Springer.

也可以看看

gamma.dispersion