R lme.groupedData LME 從 groupedData 對象擬合

說明

formula(fixed) 中的響應變量和主要協變量用於構建固定效應模型公式。此公式和 groupedData 對象作為 fixed 和 data 參數以及函數調用中的任何其他附加參數傳遞給 lme.formula 。有關該函數的說明，請參閱 lme.formula 的文檔。

用法

## S3 method for class 'groupedData'
lme(fixed, data, random, correlation, weights, 
    subset, method, na.action, control, contrasts, keep.data = TRUE)

參數

fixed	繼承自類 "groupedData" 的 DataFrame 。
data	包含此參數是為了與通用函數保持一致。在此方法函數中它被忽略。
random	可選地，以下任何一項：(i) ~x1+...+xn | g1/.../gm 形式的片麵公式，其中 x1+...+xn 指定隨機效應模型，g1/.../gm 指定分組結構(m 可能等於 1，在這種情況下不需要/)。在多級別分組的情況下，隨機效應公式將針對所有級別的分組重複； (ii) ~x1+...+xn | g 形式的單邊公式列表，每個分組級別可能具有不同的隨機效應模型。嵌套順序將假定與列表中元素的順序相同； (iii) ~x1+...+xn 形式的片麵公式，或帶有公式的 pdMat 對象(即 formula(object) 的非 NULL 值)，或此類公式或 pdMat 對象的列表。在這種情況下，分組結構公式將從用於擬合線性混合效應模型的數據中導出，該公式應繼承自類 groupedData ； (iv) 如 (iii) 中所示的公式或 pdMat 對象的命名列表，其中分組因子作為名稱。嵌套順序將假定與列表中元素的順序相同； (v) reStruct 對象。有關可用 pdMat 類的說明，請參閱 pdClasses 的文檔。默認為由 fixed 右側組成的公式。
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。默認為 NULL ，對應於沒有組內相關性。
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 ，對應於同方差組內誤差。
subset	一個可選表達式，指示應在擬合中使用的 data 行的子集。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 lme 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 lmeControl 返回的默認值。默認為空列表。
contrasts	可選列表。請參閱 model.matrix.default 的 contrasts.arg 。
keep.data	邏輯：data 參數(如果提供和 DataFrame )是否應該保存為模型對象的一部分？

值

代表線性混合效應模型擬合的 lme 類的對象。 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lmeObject。函數 resid 、 coef 、 fitted 、 fixed.effects 和 random.effects 可用於提取其某些組件。

例子

fm1 <- lme(Orthodont)
summary(fm1)

作者

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

參考

The computational methods follow on the general framework of Lindstrom, M.J. and Bates, D.M. (1988). The model formulation is described in Laird, N.M. and Ware, J.H. (1982). The variance-covariance parametrizations are described in Pinheiro, J.C. and Bates., D.M. (1996). 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 mixed effects models is presented in detail in 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.

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

Laird, N.M. and Ware, J.H. (1982) "Random-Effects Models for Longitudinal Data", Biometrics, 38, 963-974.

Lindstrom, M.J. and Bates, D.M. (1988) "Newton-Raphson and EM Algorithms for Linear Mixed-Effects Models for Repeated-Measures Data", Journal of the American Statistical Association, 83, 1014-1022.

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. (1996) "Unconstrained Parametrizations for Variance-Covariance Matrices", Statistics and Computing, 6, 289-296.

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

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

也可以看看

lme , groupedData , lmeObject