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。
用法
# S3 method for mjoint
tidy(
x,
component = "survival",
conf.int = FALSE,
conf.level = 0.95,
boot_se = NULL,
...
)
參數
- x
-
從
joineRML::mjoint()
返回的mjoint
對象。 - component
-
指定是否整理模型的生存部分或縱向部分的字符。必須是
"survival"
或"longitudinal"
。默認為"survival"
。 - conf.int
-
邏輯指示是否在整理的輸出中包含置信區間。默認為
FALSE
。 - conf.level
-
用於置信區間的置信水平(如果
conf.int = TRUE
)。必須嚴格大於 0 且小於 1。默認為 0.95,對應於 95% 的置信區間。 - boot_se
-
可選來自
joineRML::bootSE()
的bootSE
對象。如果指定,則通過引導程序計算置信區間。默認為NULL
,在這種情況下,標準誤差是根據經驗信息矩陣計算的。 - ...
-
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:
也可以看看
tidy()
, joineRML::mjoint()
, joineRML::bootSE()
其他 mjoint 整理器:glance.mjoint()
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。
- p.value
-
與觀察到的統計量相關的兩側 p 值。
- statistic
-
在回歸項非零的假設中使用的 T-statistic 的值。
- std.error
-
回歸項的標準誤差。
- term
-
回歸項的名稱。
例子
# broom only skips running these examples because the example models take a
# while to generate—they should run just fine, though!
if (FALSE) {
# load libraries for models and data
library(joineRML)
# fit a joint model with bivariate longitudinal outcomes
data(heart.valve)
hvd <- heart.valve[!is.na(heart.valve$log.grad) &
!is.na(heart.valve$log.lvmi) &
heart.valve$num <= 50, ]
fit <- mjoint(
formLongFixed = list(
"grad" = log.grad ~ time + sex + hs,
"lvmi" = log.lvmi ~ time + sex
),
formLongRandom = list(
"grad" = ~ 1 | num,
"lvmi" = ~ time | num
),
formSurv = Surv(fuyrs, status) ~ age,
data = hvd,
inits = list("gamma" = c(0.11, 1.51, 0.80)),
timeVar = "time"
)
# extract the survival fixed effects
tidy(fit)
# extract the longitudinal fixed effects
tidy(fit, component = "longitudinal")
# extract the survival fixed effects with confidence intervals
tidy(fit, ci = TRUE)
# extract the survival fixed effects with confidence intervals based
# on bootstrapped standard errors
bSE <- bootSE(fit, nboot = 5, safe.boot = TRUE)
tidy(fit, boot_se = bSE, ci = TRUE)
# augment original data with fitted longitudinal values and residuals
hvd2 <- augment(fit)
# extract model statistics
glance(fit)
}
相關用法
- R broom tidy.map 整理 a(n) Map對象
- R broom tidy.margins 整理 a(n) 邊距對象
- R broom tidy.mlogit Logit模型的整理方法
- R broom tidy.mlm 整理 a(n) 傳銷對象
- R broom tidy.manova 整理 a(n) 方差分析對象
- R broom tidy.muhaz 整理 a(n) muhaz 對象
- R broom tidy.mfx 整理 a(n) mfx 對象
- R broom tidy.mediate 整理 a(n) 中介對象
- R broom tidy.mle2 整理 a(n) mle2 對象
- R broom tidy.multinom 多項邏輯回歸模型的整理方法
- R broom tidy.robustbase.glmrob 整理 a(n) glmrob 對象
- R broom tidy.acf 整理 a(n) acf 對象
- R broom tidy.robustbase.lmrob 整理 a(n) lmrob 對象
- R broom tidy.biglm 整理 a(n) biglm 對象
- R broom tidy.garch 整理 a(n) garch 對象
- R broom tidy.rq 整理 a(n) rq 對象
- R broom tidy.kmeans 整理 a(n) kmeans 對象
- R broom tidy.betamfx 整理 a(n) betamfx 對象
- R broom tidy.anova 整理 a(n) anova 對象
- R broom tidy.btergm 整理 a(n) btergm 對象
- R broom tidy.cv.glmnet 整理 a(n) cv.glmnet 對象
- R broom tidy.roc 整理 a(n) roc 對象
- R broom tidy.poLCA 整理 a(n) poLCA 對象
- R broom tidy.emmGrid 整理 a(n) emmGrid 對象
- R broom tidy.Kendall 整理 a(n) Kendall 對象
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) mjoint 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。