R gls 使用廣義最小二乘法擬合線性模型

說明

該函數使用廣義最小二乘法擬合線性模型。允許誤差相關和/或具有不等方差。

用法

gls(model, data, correlation, weights, subset, method, na.action,
    control, verbose)
## S3 method for class 'gls'
update(object, model., ..., evaluate = TRUE)

參數

object	繼承自類 "gls" 的對象，表示廣義最小二乘擬合線性模型。
model	說明模型的兩側線性公式對象，響應位於 ~ 運算符的左側，術語由 + 運算符分隔，位於右側。
model.	對模型的更改 - 有關詳細信息，請參閱update.formula。
data	包含 model 、 correlation 、 weights 和 subset 中命名的變量的可選 DataFrame 。默認情況下，變量取自調用 gls 的環境。
correlation	說明組內相關結構的可選 corStruct 對象。有關可用 corStruct 類的說明，請參閱 corClasses 的文檔。如果要使用分組變量，則必須在 corStruct 構造函數的 form 參數中指定它。默認為 NULL ，對應於不相關的錯誤。
weights	可選的 varFunc 對象或說明組內異方差結構的單邊公式。如果作為公式給出，則它將用作 varFixed 的參數，對應於固定方差權重。有關可用 varFunc 類的說明，請參閱 varClasses 的文檔。默認為 NULL ，對應於同方差誤差。
subset	一個可選表達式，指示應在擬合中使用 data 的行子集。這可以是邏輯向量，或者指示要包括哪些觀察編號的數值向量，或者要包括的行名稱的字符向量。默認情況下包括所有觀察結果。
method	一個字符串。如果"REML" 則通過最大化受限對數似然來擬合模型。如果"ML" 則對數似然最大化。默認為 "REML" 。
na.action	一個函數，指示當數據包含 NA 時應該發生什麽。默認操作 ( na.fail ) 會導致 gls 打印錯誤消息並在存在任何不完整的觀察結果時終止。
control	估計算法的控製值列表，用於替換函數 glsControl 返回的默認值。默認為空列表。
verbose	可選的邏輯值。如果打印TRUE有關迭代算法演化的信息。默認為 FALSE 。
...	該泛型的某些方法需要額外的參數。此方法中沒有使用任何內容。
evaluate	如果 TRUE 評估新調用，否則返回該調用。

細節

model 中的 offset 術語自 3.1-157 (2022-03) 起是一個錯誤：之前它們被默默地忽略。

值

代表線性模型擬合的類 "gls" 的對象。 print 、 plot 和 summary 等通用函數具有顯示擬合結果的方法。有關配合的組成部分，請參閱glsObject。函數 resid 、 coef 和 fitted 可用於提取其某些組件。

例子

# AR(1) errors within each Mare
fm1 <- gls(follicles ~ sin(2*pi*Time) + cos(2*pi*Time), Ovary,
           correlation = corAR1(form = ~ 1 | Mare))
# variance increases as a power of the absolute fitted values
fm2 <- update(fm1, weights = varPower())

作者

José Pinheiro and Douglas Bates bates@stat.wisc.edu

參考

The different correlation structures available for the correlation argument are described in Box, G.E.P., Jenkins, G.M., and Reinsel G.C. (1994), Littel, R.C., Milliken, G.A., Stroup, W.W., and Wolfinger, R.D. (1996), and Venables, W.N. and Ripley, B.D. (2002). The use of variance functions for linear and nonlinear models is presented in detail in Carroll, R.J. and Ruppert, D. (1988) and Davidian, M. and Giltinan, D.M. (1995).

Box, G.E.P., Jenkins, G.M., and Reinsel G.C. (1994) "Time Series Analysis: Forecasting and Control", 3rd Edition, Holden-Day.

Carroll, R.J. and Ruppert, D. (1988) "Transformation and Weighting in Regression", Chapman and Hall.

Davidian, M. and Giltinan, D.M. (1995) "Nonlinear Mixed Effects Models for Repeated Measurement Data", Chapman and Hall.

Littel, R.C., Milliken, G.A., Stroup, W.W., and Wolfinger, R.D. (1996) "SAS Systems for Mixed Models", SAS Institute.

Pinheiro, J.C., and Bates, D.M. (2000) "Mixed-Effects Models in S and S-PLUS", Springer, esp. pp. 100, 461.

Venables, W.N. and Ripley, B.D. (2002) "Modern Applied Statistics with S", 4th Edition, Springer-Verlag.

也可以看看

corClasses , glsControl , glsObject , glsStruct , plot.gls , predict.gls , qqnorm.gls , residuals.gls , summary.gls , varClasses , varFunc