R nlme.nlsList 從 nlsList 對象進行 NLME 擬合

說明

如果 random 中定義的隨機效應名稱是 lmList 對象係數名稱的子集，則獲得隨機效應協方差矩陣的初始估計(覆蓋 random 中給出的任何值)。用於獲取 fixed 的調用序列中的 formula(fixed) 和 data 參數作為 fixed 和 data 參數以及函數調用中的任何其他附加參數傳遞給 nlme.formula 。有關該函數的說明，請參閱 nlme.formula 的文檔。

用法

## S3 method for class 'nlsList'
nlme(model, data, fixed, random, groups, start, correlation, weights,
     subset, method, na.action, naPattern, control, verbose)

參數

model	繼承自類 "nlsList" 的對象，表示符合通用模型的 nls 列表。
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。
fixed	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	不帶條件表達式的可選單側線性公式，或具有 formula 屬性的 pdMat 對象。此方法函數不允許進行多級分組。默認為由 formula(fixed) 右側組成的公式。
groups	~g1(單級嵌套)或~g1/.../gQ(多級嵌套)形式的可選單邊公式，指定隨機效應變化的數據分區。 g1,...,gQ 必須評估 data 中的因子。當存在多個級別時，嵌套順序從左到右(即g1是第一級，g2是第二級，依此類推)。
start	可選的數值向量，或固定效應和隨機效應的初始估計列表。如果聲明為數值向量，它將在內部轉換為具有單個組件 fixed 的列表，由向量給定。需要 fixed 組件，除非模型函數繼承自類 selfStart ，在這種情況下，初始值將從對 nlsList 的調用中派生。可選的 random 組件用於指定隨機效應的初始值，並且應由一個矩陣或長度等於分組級別數的矩陣列表組成。每個矩陣的行數應與相應級別的組數一樣多，列數應與該級別的隨機效應數一樣多。
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 "ML" 。
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 nlme 打印錯誤消息並在存在任何不完整的觀察結果時終止。
naPattern	表達式或公式對象，指定哪些返回值被視為缺失。
control	估計算法的控製值列表，用於替換函數 nlmeControl 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 。

值

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

例子

fm1 <- nlsList(SSasymp, data = Loblolly)
fm2 <- nlme(fm1, random = Asym ~ 1)
summary(fm1)
summary(fm2)

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.

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

也可以看看

nlme , lmList , nlmeObject