R reStruct 隨機效應結構

R語言 reStruct 位於 nlme 包(package)。

說明

此函數是 reStruct 類的構造函數，表示隨機效應結構，由 pdMat 對象列表以及包含用於擬合關聯混合效應模型的優化算法信息的 settings 屬性組成。

用法

reStruct(object, pdClass, REML, data)
## S3 method for class 'reStruct'
print(x, sigma, reEstimates, verbose, ...)

參數

`object`	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，其中情況下不需要`/`)。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。
`pdClass`	帶有 `pdMat` 類名稱的可選字符串，用於 `object` 中的公式。默認為 `"pdLogChol"`，對應於一般正定矩陣(Log-Cholesky 參數化)。
`REML`	可選的邏輯值。如果`TRUE`，相關的混合效應模型將使用限製最大似然進行擬合；否則，如果 `FALSE` ，將使用最大似然。默認為 `FALSE` 。
`data`	一個可選 DataFrame ，用於評估 `object` 中隨機效應公式中使用的變量。它用於獲取 `factors` 的級別，這會影響底層 `pdMat` 對象的維度和行/列名稱。如果是 `NULL` ，則不會嘗試獲取有關公式中出現的 `factors` 的信息。默認為調用該函數的父框架。
`x`	要打印的繼承自類 `reStruct` 的對象。
`sigma`	一個可選數值，用作 `pdMat` 分量的平方根因子的乘數(通常是混合效應模型的估計組內標準差)。默認為 1。
`reEstimates`	包含每個分組級別的隨機效應估計的可選列表。僅在 `verbose = TRUE` 時使用。
`verbose`	一個可選的邏輯值，確定是否應打印隨機效應估計。默認為 `FALSE` 。
`...`	可以為該泛型的其他方法提供可選參數。此方法中沒有使用任何內容。

值

繼承自類 reStruct 的對象，表示隨機效果結構。

例子

rs1 <- reStruct(list(Dog = ~day, Side = ~1), data = Pixel)
rs1 # 2 entries "Uninitialized"
str(rs1) # a bit more

作者

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

也可以看看

groupedData、lme、pdMat、solve.reStruct、summary.reStruct、update.reStruct

相關用法

注：本文由純淨天空篩選整理自R-devel大神的英文原創作品 Random Effects Structure。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。