glm.summaries
位於 stats
包(package)。 說明
這些函數都是 methods
類的 glm
或 summary.glm
對象。
用法
## S3 method for class 'glm'
family(object, ...)
## S3 method for class 'glm'
residuals(object, type = c("deviance", "pearson", "working",
"response", "partial"), ...)
參數
object |
類 |
type |
應返回的殘差類型。替代方案是: |
... |
傳入或傳出其他方法的進一步參數。 |
細節
這些參考文獻定義了殘差的類型:Davison & Snell 是關於每種殘差的用法的一個很好的參考。
部分殘差是工作殘差矩陣,每列都是通過從模型中省略一項而形成的。
residuals
如何處理原始擬合中缺失值的情況由該擬合的 na.action
參數確定。如果 na.action = na.omit
省略的情況將不會出現在殘差中,而如果 na.action = na.exclude
則它們將出現,並具有殘差值 NA
。另請參閱naresid
。
對於使用 y = FALSE
完成的擬合,響應值是根據其他組件計算的。
參考
Davison, A. C. and Snell, E. J. (1991) Residuals and diagnostics. In: Statistical Theory and Modelling. In Honour of Sir David Cox, FRS, eds. Hinkley, D. V., Reid, N. and Snell, E. J., Chapman & Hall.
Hastie, T. J. and Pregibon, D. (1992) Generalized linear models. Chapter 6 of Statistical Models in S eds J. M. Chambers and T. J. Hastie, Wadsworth & Brooks/Cole.
McCullagh P. and Nelder, J. A. (1989) Generalized Linear Models. London: Chapman and Hall.
也可以看看
glm
用於計算 glm.obj
, anova.glm
;相應的泛型函數 summary.glm
、 coef
、 deviance
、 df.residual
、 effects
、 fitted
、 residuals
。
influence.measures 用於刪除診斷,包括標準化 ( rstandard
) 和學生化 ( rstudent
) 殘差。
相關用法
- R glm.control 控製 GLM 擬合的輔助裝置
- R glm 擬合廣義線性模型
- R getInitial 獲取初始參數估計
- R stlmethods STL 對象的方法
- R medpolish 矩陣的中值波蘭(穩健雙向分解)
- R naprint 調整缺失值
- R summary.nls 總結非線性最小二乘模型擬合
- R summary.manova 多元方差分析的匯總方法
- R formula 模型公式
- R nls.control 控製 nls 中的迭代
- R aggregate 計算數據子集的匯總統計
- R deriv 簡單表達式的符號和算法導數
- R kruskal.test Kruskal-Wallis 秩和檢驗
- R quade.test 四方測試
- R decompose 移動平均線的經典季節性分解
- R plot.stepfun 繪製階躍函數
- R alias 查找模型中的別名(依賴項)
- R qqnorm 分位數-分位數圖
- R eff.aovlist 多層方差分析的計算效率
- R pairwise.t.test 成對 t 檢驗
- R loglin 擬合對數線性模型
- R predict.smooth.spline 通過平滑樣條擬合進行預測
- R bartlett.test 方差齊性的 Bartlett 檢驗
- R influence.measures 回歸刪除診斷
- R loess.control 設置黃土參數
注:本文由純淨天空篩選整理自R-devel大神的英文原創作品 Accessing Generalized Linear Model Fits。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。