R groupedData 構造一個 groupedData 對象

說明

groupedData 類的對象是從 formula 和 data 構造的，方法是將 formula 附加為數據的屬性，以及 outer 、 inner 、 labels 和 units 。如果 order.groups 是 TRUE ，則分組因子將轉換為有序因子，其排序由 FUN 確定。根據分組級別的數量和主協變量的類型，返回的對象將屬於以下三個類別之一： nfnGroupedData - 數字協變量，單層嵌套； nffGroupedData - 因子協變量，單層嵌套；和nmGroupedData - 多層嵌套。多個建模和繪圖函數可以使用 groupedData 對象存儲的公式來構建默認繪圖和模型。

用法

groupedData(formula, data, order.groups, FUN, outer, inner,
            labels, units)

## S3 method for class 'groupedData'
update(object, formula, data, order.groups, FUN,
       outer, inner, labels, units, ...)

參數

object	從類 groupedData 繼承的對象。
formula	resp ~ cov | group 形式的公式，其中 resp 是響應，cov 是主要協變量，group 是分組因子。當沒有其他合適的候選者時，表達式 1 可用於主要協變量。可以列出多個嵌套分組因子，並用 / 符號分隔，如 fact1/fact2 中所示。在這樣的表達式中，fact2 因子嵌套在 fact1 因子內。
data	可以在其中評估 formula 中的表達式的數據幀。生成的 groupedData 對象將由相同順序的相同數據值組成，但具有附加屬性。
order.groups	可選邏輯值或邏輯值列表，指示是否應根據應用於每個組的響應的函數 FUN 將分組因子轉換為有序因子。如果存在多個分組級別，則此參數可以是單個邏輯值(將針對所有分組級別重複)或邏輯值列表。如果沒有為列表元素分配名稱，則假定它們的順序與組級別相同(最外層到最內層分組)。分組級別內的排序是在其外部的分組因子的級別內完成的。將分組因子更改為有序因子不會影響 DataFrame 中行的排序，但會影響數據或適合數據的模型的網格顯示中麵板的順序。默認為 TRUE 。
FUN	可選的匯總函數，當 order.groups = TRUE 時，該函數將應用於分組因子每個級別的響應值，以確定排序。默認為max 函數。
outer	可選的單邊公式或單邊公式列表，指示分組因子外部的協變量。如果存在多個級別的分組，則該參數可以是單個單邊公式，也可以是單邊公式列表。如果沒有為列表元素分配名稱，則假定它們的順序與組級別相同(最外層到最內層分組)。外部協變量在分組因子定義的行集中是不變的。對組進行排序的方式是為了保持具有相同外部變量值的組的鄰接性。繪製 groupedData 對象時，參數 outer = TRUE 導致麵板由 outer 公式確定。麵板內的點通過分組因子的級別相關聯。默認為 NULL ，這意味著不存在外部協變量。
inner	可選的單邊公式或單邊公式列表，指示分組因子內部的協變量。如果存在多個級別的分組，則該參數可以是單個單邊公式，也可以是單邊公式列表。如果沒有為列表元素分配名稱，則假定它們的順序與組級別相同(最外層到最內層分組)。內部協變量可以在分組因子定義的行集中發生變化。內部公式可用於關聯 groupedData 對象圖中的點。默認為 NULL ，這意味著不存在內部協變量。
labels	一個可選的字符串列表，為響應和主要協變量提供標簽。主協變量的標簽名為 x ，響應的標簽名為 y 。任一標簽都可以省略。
units	給出響應和主要協變量單位的可選字符串列表。主協變量的單位字符串名為 x ，響應的單位字符串名為 y 。任一單位字符串都可以省略。
...	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。

值

類 nfnGroupedData 、 nffGroupedData 或 nmGroupedData 之一的對象，並且還繼承自類 groupedData 和 data.frame 。

例子

Orth.new <-  # create a new copy of the groupedData object
  groupedData( distance ~ age | Subject,
              data = as.data.frame( Orthodont ),
              FUN = mean,
              outer = ~ Sex,
              labels = list( x = "Age",
                y = "Distance from pituitary to pterygomaxillary fissure" ),
              units = list( x = "(yr)", y = "(mm)") )
plot( Orth.new )         # trellis plot by Subject
formula( Orth.new )      # extractor for the formula
gsummary( Orth.new )     # apply summary by Subject
fm1 <- lme( Orth.new )   # fixed and groups formulae extracted from object
Orthodont2 <- update(Orthodont, FUN = mean)

作者

Douglas Bates and José Pinheiro

參考

Bates, D.M. and Pinheiro, J.C. (1997), "Software Design for Longitudinal Data", in "Modelling Longitudinal and Spatially Correlated Data: Methods, Applications and Future Directions", T.G. Gregoire (ed.), Springer-Verlag, New York.

Pinheiro, J.C. and Bates, D.M. (1997) "Future Directions in Mixed-Effects Software: Design of NLME 3.0" available at http://nlme.stat.wisc.edu/

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

也可以看看

formula , gapply , gsummary , lme , plot.nffGroupedData , plot.nfnGroupedData , plot.nmGroupedData , reStruct