R语言 saemix包 oxboys.saemix()函数中文帮助文档(中英文对照)

loveR

oxboys.saemix(saemix)
oxboys.saemix()所属R语言包：saemix

                                        Heights of Boys in Oxford
                                         男孩在牛津的高度

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

The oxboys.saemix data frame has 234 rows and 4 columns.
oxboys.saemix数据框有234行和4列。


用法----------Usage----------


oxboys.saemix



格式----------Format----------

This data frame contains the following columns:         
该数据框包含以下几列：

Subject:  an ordered factor giving a unique identifier for each boy in the experiment  
主题：一个有序的因素，为每个孩子提供一个唯一的标识符，在实验中

age:  a numeric vector giving the standardized age (dimensionless)  
年龄：一个数值向量标准化的年龄（无量纲）

height:  a numeric vector giving the height of the boy (cm)  
身高：一个数字矢量给予高度的男孩（厘米）

Occasion:  an ordered factor - the result of converting 'age' from a continuous variable to a count so these slightly unbalanced data can be analyzed as balanced.   
场合：一个有序的因子 - 年龄转换从一个连续变量的计数，以便这些略显不平衡的数据可分析均衡的结果。


Details

详细信息----------Details----------

These data are described in Goldstein (1987) as data on the height of a selection of boys from Oxford, England versus a standardized age. The dataset can be found in the package nlme.
戈尔茨坦（1987）中描述的这些数据为男孩从牛津，英国对标准化的年龄选择的高度上的数据。该数据集可以发现包中的nlme。

We use an linear model for this data: y_ij = Base_i + slope_i x_ij +epsilon_ij
我们使用这样的数据：线性模型y_ij = Base_i + slope_i x_ij + epsilon_ij


源----------Source----------

Pinheiro, J. C. and Bates, D. M. (2000), _Mixed-Effects Models in S and S-PLUS_, Springer, New York.  (Appendix A.19)
皮涅罗，JC和Bates，DM（2000年），在S和S-PLUS_，施普林格，纽约_Mixed效应模型。 （A.19附录）


实例----------Examples----------



data(oxboys.saemix)
saemix.data<-saemixData(name.data=oxboys.saemix,header=TRUE,
  name.group=c("Subject"),name.predictors=c("age"),name.response=c("height"),
  units=list(x="yr",y="cm"))

growth.linear<-function(psi,id,xidep) {
# input:[输入：]
#   psi : matrix of parameters (2 columns, base and slope)[PSI：矩阵参数（2列，底座和斜率）]
#   id : vector of indices [ID：矢量指数]
#   xidep : dependent variables (same nb of rows as length of id)[xidep：因变量（行ID的长度相同NB）]
# returns:[返回：]
#   a vector of predictions of length equal to length of id[等于的id的长度的矢量的长度的预测]
  x<-xidep[,1]
  base<-psi[id,1]
  slope<-psi[id,2]
  f<-base+slope*x
  return(f)
}
saemix.model<-saemixModel(model=growth.linear,description="Linear model",
  psi0=matrix(c(140,1),ncol=2,byrow=TRUE,dimnames=list(NULL,c("base","slope"))),
  transform.par=c(1,0),covariance.model=matrix(c(1,1,1,1),ncol=2,byrow=TRUE),
  error.model="constant")

saemix.options<-list(algorithms=c(1,1,1),nb.chains=1,seed=201004,
  save=FALSE,save.graphs=FALSE)

# plot the data[绘制数据]
plot(saemix.data)

saemix.fit<-saemix(saemix.model,saemix.data,saemix.options)


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。