R extract.lme.cov 從 lme 對象中提取數據協方差矩陣

說明

這是gamm 的服務例程。從 lme 對象中提取數據的估計協方差矩陣，允許用戶控製在此計算中包含哪些級別的隨機效應。 extract.lme.cov 明確地形成完整矩陣：extract.lme.cov2 嘗試比這更經濟。

用法

extract.lme.cov(b,data=NULL,start.level=1)
extract.lme.cov2(b,data=NULL,start.level=1)

參數

b	通過調用 lme 返回的擬合模型對象

.

data	提供給 lme 的數據幀/模型幀，但通過 na 操作刪除了任何行。如果未提供，則使用模型對象中存儲的數據。
start.level	在計算中開始包括隨機效應的嵌套級別。這用於允許將平滑項估計為隨機效應，但在方差計算中將其視為固定效應。

細節

用於線性混合模型的隨機效應、相關結構和方差結構相結合，暗示了所建模的響應數據的協方差矩陣。這些例程提取協方差矩陣。該過程稍微複雜一些，因為擬合模型對象的不同組件以不同的順序存儲(詳細信息請參閱函數代碼！)。

extract.lme.cov 計算效率不高，因為它形成完整矩陣，而實際上可能是稀疏的。 extract.lme.cov2 效率更高。如果協方差矩陣是對角矩陣，則僅返回前導對角線；如果它可以寫成塊對角矩陣(在原始數據的某種排列下)，則返回定義非零塊的矩陣列表以及指示塊的每行/列的原始數據的哪一行的索引對角矩陣有關。塊大小由隨機效應結構中最粗的分組級別定義。

gamm 使用 extract.lme.cov2 。

extract.lme.cov 目前不處理相關結構的分組因子比隨機效應的分組因子更精細的情況。 extract.lme.cov2 確實可以處理這種情況。

值

對於extract.lme.cov 估計的協方差矩陣。

對於extract.lme.cov2，包含估計協方差矩陣和索引數組的列表。協方差矩陣存儲為前導對角線上的元素、定義塊對角矩陣的矩陣列表或完整矩陣(如果前兩個選項不可行)。

例子

## see also ?formXtViX for use of extract.lme.cov2
require(mgcv)
library(nlme)
data(Rail)
b <- lme(travel~1,Rail,~1|Rail)
extract.lme.cov(b)
extract.lme.cov2(b)

作者

Simon N. Wood simon.wood@r-project.org

參考

For lme see:

Pinheiro J.C. and Bates, D.M. (2000) Mixed effects Models in S and S-PLUS. Springer

For details of how GAMMs are set up here for estimation using lme see:

Wood, S.N. (2006) Low rank scale invariant tensor product smooths for Generalized Additive Mixed Models. Biometrics 62(4):1025-1036

or

Wood S.N. (2017) Generalized Additive Models: An Introduction with R (2nd edition). Chapman and Hall/CRC Press.

https://www.maths.ed.ac.uk/~swood34/

也可以看看

gamm , formXtViX