get.real(RMark)
get.real()所属R语言包：RMark
Extract or compute sets of real parameters
提取或计算实际参数集
译者：生物统计家园网 机器人LoveR
描述----------Description----------
Extracts or computes real parameters for a particular type of parameter (parameter) and returns in either a table (dataframe) format or in PIM format.
提取物或计算真正的一个特定类型的参数（参数）的参数，并在任何一个表（数据框）格式或在PIM格式回报。
用法----------Usage----------
get.real(model, parameter, beta = NULL, se = FALSE,
design = NULL, data = NULL, vcv = FALSE,
show.fixed = TRUE)
参数----------Arguments----------
参数：model
MARK model object
MARK模型对象
参数：parameter
type of parameter in model (character) (e.g.,"Phi")
模型中的参数（字符）类型（例如，“披”）
参数：beta
values of beta parameters for computation of real parameters
的β参数值计算的实际参数
参数：se
if TRUE uses table format and extracts se and confidence intervals, if FALSE uses PIM format with estimates only
如果真正使用表格式和提取物本身和置信区间，如果FALSE用途的估计只有PIM格式
参数：design
a numeric design matrix with any covariate values filled in with numerical values
任何协变量值在数值填写一个数字设计矩阵
参数：data
covariate data to be averaged for estimates if design=NULL
协变量数据进行平均估计，如果设计= NULL
参数：vcv
if TRUE computes and returns the v-c matrix of the subset of the real parameters
如果为TRUE的真实参数的子集的vc矩阵计算，并返回
参数：show.fixed
if TRUE fixed values are returned rather than NA in place of fixed values
在地方固定值，如果返回TRUE固定值，而不是NA
Details
详细信息----------Details----------
This function is called by summary.mark to extract(from model$results$real) sets of parameters for display. But, it can also be useful to compute particular sets of real parameters for output, manipulation or plotting etc. It is closely related to compute.real and it uses that function when it computes (rather than extracts) real parameters. It provides an easier way to extract/compute real estimates of a particular type (parameter).
这个函数被调用的summary.mark提取（从model$results$real）组参数显示。但是，它也可以是有用的输出，处理或绘图等密切相关compute.real使用该功能时，计算（而不是提取物）的实际参数计算特定的实际参数。它提供了一个更简单的方法来提取/计算实际的估计一个特定的类型（parameter）。
The real parameter estimates are computed when either 1) model$chat > 1, 2) design, data, or beta are are specified with non-NULL values for those arguments, or 3) vcv=TRUE. If none of the above hold, then the estimates are extracted.
真正的参数估计时计算为1）model$chat> 1，2）design，data，或beta是这些参数指定非NULL值，或3）VCV = TRUE。如果没有上述的保持，那么估计被提取。
If se=FALSE and estimates are shown in triangular or square PIM structure depending on the model and parameter. For triangular, the lower half of the matrix is shown as NA (not applicable in this case). If se=TRUE, the estimate, standard error and confidence interval for the real parameters with the accompanying design data are combined into a dataframe.
如果se=FALSE和估计，在三角形或方形的PIM结构的型号和参数的不同。对于三角形，矩阵的下半部分所示为NA（在这种情况下，不适用）。如果se=TRUE，随附的设计数据的真实参数的估计，标准误差和置信区间被组合成一个数据框。
If the model contains individual covariates, there are 3 options for specifying the covariate values that are used for the real estimates. If neither design nor data are specified, then the real estimates are computed with the average covariate values used in the MARK output. This is what is done in the call from summary.mark. Alternatively, the argument design can be given a numeric design matrix for the model with the covariates given specific values. This can be done with find.covariates and fill.covariates. Finally, a quicker approach is to specify a dataframe for data which is averaged for the numeric covariate values and these are automatically filled into the design matrix of the model with calls to find.covariates and fill.covariates from compute.real which is used for computation. The second and third options are essentially the same but creating the completed design matrix will be quicker if multiple calls are made with the same completed design matrix for different parameters. The dataframe for data can contain a single entry to specify certain values for computation.
如果模型包含个人的协变量指定的协变量值，用于真正的估计，有3个选项。如果没有design，也不data指定了，那么真正的估计计算的平均使用的在MARK输出的协变量值。这是什么做的呼叫summary.mark。另外，参数design可以给出一个数字设计矩阵的协变量的模型，给出具体的值。这是可以做到find.covariates和fill.covariates。最后，更快的方法是指定一个数据框为data这是平均数字的协变量值，这些都是自动填入矩阵模型的设计与调用find.covariates和fill.covariates compute.real这是用于计算。第二个和第三个选项是本质上是相同的，但创建完成的设计矩阵将会更快的，如果由不同的参数具有相同的完成设计矩阵有多个呼叫。 data的数据框可以包含一个条目到指定的某些值计算。
值----------Value----------
estimates: if se=FALSE and Beta=NULL, a matrix of estimates or list of matrices for more than one group, and if se=TRUE or beta=is not NULL and vcv=FALSE a dataframe of estimates with attached design data. If vcv=TRUE, a list is returned with elements vcv.real and the dataframe estimates as returned with se=TRUE.
估计：如果se=FALSE and Beta=NULL，矩阵的估计或一组以上的矩阵列表，如果se=TRUE or beta=is not NULL and vcv=FALSE一个数据框的附加设计数据的估计。 vcv=TRUE如果，返回一个数组的元素vcv.real和数据框estimates返回与se=TRUE。
（作者）----------Author(s)----------
Jeff Laake
参见----------See Also----------
summary.mark,compute.real
summary.mark，compute.real
实例----------Examples----------
data(example.data)
pregion=list(formula=~region)
PhiAge=list(formula=~Age)
mod=mark(example.data,model.parameters=list(p=pregion,Phi=PhiAge),
groups=c("sex","age","region"),age.var=2,initial.ages=c(0,1,2))
# extract list of Phi parameter estimates for all groups in PIM format[提取PIM格式在所有组的列表的披参数估计]
Phi.estimates=get.real(mod,"Phi")
# print out parameter estimates in triangular PIM format[三角PIM格式打印出参数估计值]
for(i in 1:length(Phi.estimates))
{
cat(names(Phi.estimates)[i],"\n")
print(Phi.estimates[[i]]$pim,na.print="")
}
#extract parameter estimates of capture probability p with se and conf intervals[提取参数估计值的捕捉概率为p本身和conf间隔]
p.table=get.real(mod,"p",se=TRUE)
print(p.table[p.table$region==1,]) # print values from region 1[打印区域1的值]
estimates=by(p.table$estimate,p.table$region,mean)
lcl=by(p.table$lcl,p.table$region,mean)
ucl=by(p.table$ucl,p.table$region,mean)
plotCI(c(1:4),estimates,ucl-estimates,estimates-lcl,xlab="Region",
ylab="Capture probability",
ylim=c(.5,1),main="Capture probability estimates by region")
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。
|
发表于 2012-9-26 23:42:27
