R broom tidy.btergm 整理 a(n) btergm 對象

Tidy 總結了有關模型組件的信息。模型組件可能是回歸中的單個項、單個假設、聚類或類。 tidy 所認為的模型組件的確切含義因模型而異，但通常是不言而喻的。如果模型具有多種不同類型的組件，您將需要指定要返回哪些組件。

該方法整理了自舉時間指數隨機圖模型的係數，該模型是用xergm。它隻是返回係數及其置信區間。

用法

# S3 method for btergm
tidy(x, conf.level = 0.95, exponentiate = FALSE, ...)

參數

x

btergm::btergm() 對象。

conf.level

置信區間的置信水平。默認為 0.95。

exponentiate

邏輯指示是否對係數估計值取冪。這對於邏輯回歸和多項回歸來說是典型的，但如果沒有 log 或 logit 鏈接，那麽這是一個壞主意。默認為 FALSE 。

...

附加參數。不曾用過。僅需要匹配通用簽名。注意：拚寫錯誤的參數將被吸收到 ... 中，並被忽略。如果拚寫錯誤的參數有默認值，則將使用默認值。例如，如果您傳遞 conf.lvel = 0.9 ，所有計算將使用 conf.level = 0.95 進行。這裏有兩個異常：

tidy() 方法在提供 exponentiate 參數時會發出警告(如果該參數將被忽略)。
augment() 方法在提供 newdata 參數時會發出警告(如果該參數將被忽略)。

也可以看看

tidy() , btergm::btergm()

值

帶有列的 tibble::tibble()：

conf.high: 估計置信區間的上限。
conf.low: 估計置信區間的下限。
estimate: 回歸項的估計值。
term: 回歸項的名稱。

例子


library(btergm)
#> Package:  btergm
#> Version:  1.10.10
#> Date:     2023-04-20
#> Authors:  Philip Leifeld (University of Essex)
#>           Skyler J. Cranmer (The Ohio State University)
#>           Bruce A. Desmarais (Pennsylvania State University)
library(network)
#> 
#> ‘network’ 1.18.1 (2023-01-24), part of the Statnet Project
#> * ‘news(package="network")’ for changes since last version
#> * ‘citation("network")’ for citation information
#> * ‘https://statnet.org’ for help, support, and other information

set.seed(5)

# create 10 random networks with 10 actors
networks <- list()
for (i in 1:10) {
  mat <- matrix(rbinom(100, 1, .25), nrow = 10, ncol = 10)
  diag(mat) <- 0
  nw <- network(mat)
  networks[[i]] <- nw
}

# create 10 matrices as covariates
covariates <- list()
for (i in 1:10) {
  mat <- matrix(rnorm(100), nrow = 10, ncol = 10)
  covariates[[i]] <- mat
}

# fit the model
mod <- btergm(networks ~ edges + istar(2) + edgecov(covariates), R = 100)
#> 
#> Initial dimensions of the network and covariates:
#>                  t=1 t=2 t=3 t=4 t=5 t=6 t=7 t=8 t=9 t=10
#> networks (row)    10  10  10  10  10  10  10  10  10   10
#> networks (col)    10  10  10  10  10  10  10  10  10   10
#> covariates (row)  10  10  10  10  10  10  10  10  10   10
#> covariates (col)  10  10  10  10  10  10  10  10  10   10
#> 
#> All networks are conformable.
#> 
#> Dimensions of the network and covariates after adjustment:
#>                  t=1 t=2 t=3 t=4 t=5 t=6 t=7 t=8 t=9 t=10
#> networks (row)    10  10  10  10  10  10  10  10  10   10
#> networks (col)    10  10  10  10  10  10  10  10  10   10
#> covariates (row)  10  10  10  10  10  10  10  10  10   10
#> covariates (col)  10  10  10  10  10  10  10  10  10   10
#> 
#> Starting pseudolikelihood estimation with 100 bootstrapping replications on a single computing core...
#> Done.

# summarize model fit with tidiers
tidy(mod)
#> # A tibble: 3 × 4
#>   term                    estimate conf.low conf.high
#>   <chr>                      <dbl>    <dbl>     <dbl>
#> 1 edges                    -1.23    -1.37      -1.01 
#> 2 istar2                    0.0837  -0.0571     0.165
#> 3 edgecov.covariates[[i]]  -0.0345  -0.177      0.112

源代碼：R/btergm-tidiers.R

相關用法

注：本文由純淨天空篩選整理自等大神的英文原創作品 Tidy a(n) btergm object。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。