找回密码
 注册
查看: 1588|回复: 0

R语言:epil()函数中文帮助文档(中英文对照)

[复制链接]
发表于 2012-2-16 18:59:30 | 显示全部楼层 |阅读模式
epil(MASS)
epil()所属R语言包:MASS

                                         Seizure Counts for Epileptics
                                         癫痫扣押计数

                                         译者:生物统计家园网 机器人LoveR

描述----------Description----------

Thall and Vail (1990) give a data set on two-week seizure counts for 59 epileptics.  The number of seizures was recorded for a baseline period of 8 weeks, and then patients were randomly assigned to a treatment group or a control group.  Counts were then recorded for four successive two-week periods. The subject's age is the only covariate.
thall和韦尔(1990)扣押两个星期计数为59癫痫数据。缉获数量录得的基准期为8周,然后患者被随机分配到治疗组或对照组。计数,然后记录为四个连续两个星期的时期。主体的年龄是唯一的协。


用法----------Usage----------


epil



格式----------Format----------

This data frame has 236 rows and the following 9 columns:
这个数据框有236行,以下9列:

the count for the 2-week period.
2星期内计数。

treatment, "placebo" or "progabide".
治疗,"placebo"或"progabide"。

the counts in the baseline 8-week period.
基准8周期间计数。

subject's age, in years.
受测者的年龄,年。

0/1 indicator variable of period 4.
0/1第4期的指示变量。

subject number, 1 to 59.
主题数,1到59。

period, 1 to 4.
期间,1至4。

log-counts for the baseline period, centred to have zero mean.
日志数为基准期,围绕零均值。

log-ages, centred to have zero mean.
记录年龄,集中到零均值。


源----------Source----------

Thall, P. F. and Vail, S. C. (1990) Some covariance models for longitudinal count data with over-dispersion. Biometrics 46, 657–671.
thall,PF和维尔SC(1990)有些过度分散的纵向计数数据的协方差模型。生物识别技术46,657-671。


参考文献----------References----------

Modern Applied Statistics with S. Fourth Edition. Springer.

举例----------Examples----------


summary(glm(y ~ lbase*trt + lage + V4, family = poisson,
            data = epil), cor = FALSE)
epil2 <- epil[epil$period == 1, ]
epil2["period"] <- rep(0, 59); epil2["y"] <- epil2["base"]
epil["time"] <- 1; epil2["time"] <- 4
epil2 <- rbind(epil, epil2)
epil2$pred <- unclass(epil2$trt) * (epil2$period > 0)
epil2$subject <- factor(epil2$subject)
epil3 <- aggregate(epil2, list(epil2$subject, epil2$period > 0),
   function(x) if(is.numeric(x)) sum(x) else x[1])
epil3$pred <- factor(epil3$pred,
   labels = c("base", "placebo", "drug"))

contrasts(epil3$pred) <- structure(contr.sdif(3),
    dimnames = list(NULL, c("placebo-base", "drug-placebo")))
summary(glm(y ~ pred + factor(subject) + offset(log(time)),
            family = poisson, data = epil3), cor = FALSE)

summary(glmmPQL(y ~ lbase*trt + lage + V4,
                random = ~ 1 | subject,
                family = poisson, data = epil))
summary(glmmPQL(y ~ pred, random = ~1 | subject,
                family = poisson, data = epil3))

转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。


注:
注1:为了方便大家学习,本文档为生物统计家园网机器人LoveR翻译而成,仅供个人R语言学习参考使用,生物统计家园保留版权。
注2:由于是机器人自动翻译,难免有不准确之处,使用时仔细对照中、英文内容进行反复理解,可以帮助R语言的学习。
注3:如遇到不准确之处,请在本贴的后面进行回帖,我们会逐渐进行修订。
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 注册

本版积分规则

手机版|小黑屋|生物统计家园 网站价格

GMT+8, 2025-1-24 04:43 , Processed in 0.018474 second(s), 15 queries .

Powered by Discuz! X3.5

© 2001-2024 Discuz! Team.

快速回复 返回顶部 返回列表