R theta.md 估計負二項式的 theta

說明

給定估計的均值向量，估計負二項分布的theta。

用法

theta.md(y, mu, dfr, weights, limit = 20, eps = .Machine$double.eps^0.25)

theta.ml(y, mu, n, weights, limit = 10, eps = .Machine$double.eps^0.25,
         trace = FALSE)

theta.mm(y, mu, dfr, weights, limit = 10, eps = .Machine$double.eps^0.25)

參數

y	負二項式觀測值的向量。
mu	估計的平均向量。
n	數據點數(默認為 weights 的總和)
dfr	剩餘自由度(假設 theta 已知)。對於加權擬合，這是權重之和減去擬合參數的數量。
weights	箱重。如果缺失，則視為1。
limit	迭代次數的限製。
eps	公差決定收斂性。
trace	邏輯：應該打印迭代進度嗎？

細節

theta.md 通過將偏差等同於剩餘自由度進行估計，類似於矩估計器。

theta.ml 使用最大似然。

theta.mm 通過將皮爾遜卡方 \sum (y-\mu)^2/(\mu+\mu^2/\theta) 等於剩餘自由度來計算 theta 的矩估計量。

值

theta 所需的估計值，作為標量。對於 theta.ml ，標準錯誤作為屬性 "SE" 給出。

例子

quine.nb <- glm.nb(Days ~ .^2, data = quine)
theta.md(quine$Days, fitted(quine.nb), dfr = df.residual(quine.nb))
theta.ml(quine$Days, fitted(quine.nb))
theta.mm(quine$Days, fitted(quine.nb), dfr = df.residual(quine.nb))

## weighted example
yeast <- data.frame(cbind(numbers = 0:5, fr = c(213, 128, 37, 18, 3, 1)))
fit <- glm.nb(numbers ~ 1, weights = fr, data = yeast)
## IGNORE_RDIFF_BEGIN
summary(fit)
## IGNORE_RDIFF_END
mu <- fitted(fit)
theta.md(yeast$numbers, mu, dfr = 399, weights = yeast$fr)
theta.ml(yeast$numbers, mu, limit = 15, weights = yeast$fr)
theta.mm(yeast$numbers, mu, dfr = 399, weights = yeast$fr)

也可以看看

glm.nb