summary.nls 位於 stats 包(package)。 說明
"nls" 類的 summary 方法。
用法
## S3 method for class 'nls'
summary(object, correlation = FALSE, symbolic.cor = FALSE, ...)
## S3 method for class 'summary.nls'
print(x, digits = max(3, getOption("digits") - 3),
      symbolic.cor = x$symbolic.cor,
      signif.stars = getOption("show.signif.stars"), ...)
參數
| object | 類  | 
| x | 類  | 
| correlation | 邏輯性;如果 | 
| digits | 打印時使用的有效位數。 | 
| symbolic.cor | 合乎邏輯的。如果  | 
| signif.stars | 合乎邏輯的。如果  | 
| ... | 傳入或傳出其他方法的進一步參數。 | 
細節
用於查找標準誤差和殘差標準誤差(對於 t 比率)的分布的分布理論基於線性化,並且是近似的,甚至可能非常近似。
print.summary.nls 嘗試智能地格式化係數、標準錯誤等,如果 signif.stars 是 TRUE ,則另外給出“重要性星星”。
相關性被打印到小數點後兩位(或象征性地):要查看實際的相關性,請直接打印summary(object)$correlation。
值
函數 summary.nls 使用其參數中的組件 "formula" 計算並返回 object 中給出的擬合模型的匯總統計列表,加上
| residuals | 加權殘差,通常的殘差通過調用  | 
| coefficients | 矩陣,其中包含估計係數、其標準誤差、t-statistic 和相應的(兩側)p 值的列。 | 
| sigma | 隨機誤差估計方差的平方根 其中 是第 加權殘差。 | 
| df | 自由度,2-向量 。 (此處和其他地方 省略了權重為零的觀測值。) | 
| cov.unscaled | 參數估計的(未縮放的)協方差的 矩陣。 | 
| correlation | 如果指定了  | 
| symbolic.cor | (僅當  | 
也可以看看
函數 coef 將提取具有標準誤差、t-statistics 和 p 值的係數矩陣。
相關用法
- R summary.manova 多元方差分析的匯總方法
- R summary.lm 總結線性模型擬合
- R summary.princomp 主成分分析的匯總方法
- R summary.aov 方差模型分析總結
- R summary.glm 廣義線性模型擬合總結
- R supsmu 弗裏德曼的超級平滑
- R stlmethods STL 對象的方法
- R smooth Tukey 的(運行中值)平滑
- R screeplot 屏幕圖
- R sortedXyData 創建一個sortedXyData對象
- R sigma 提取殘餘標準差“Sigma”
- R setNames 設置對象中的名稱
- R stat.anova GLM 方差分析統計
- R scatter.smooth 黃土擬合的平滑曲線散點圖
- R splinefun 插值樣條曲線
- R spec.taper 通過餘弦鍾錐化時間序列
- R symnum 符號數字編碼
- R se.contrast 模型術語對比的標準誤差
- R stepfun Step Functions - 創建和類
- R shapiro.test 夏皮羅-威爾克正態性檢驗
- R selfStart 構建自啟動非線性模型
- R spec.pgram 通過平滑周期圖估計時間序列的譜密度
- R spec.ar 通過 AR Fit 估計時間序列的頻譜密度
- R smooth.spline 擬合平滑樣條曲線
- R stl Loess 時間序列的季節分解
注:本文由純淨天空篩選整理自R-devel大神的英文原創作品 Summarizing Non-Linear Least-Squares 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。
