R语言 secr包 AIC.secr()函数中文帮助文档(中英文对照)

loveR

AIC.secr(secr)
AIC.secr()所属R语言包：secr

                                         Compare SECR Models
                                         比较SECR模型

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Terse report on the fit of one or more spatially explicit capture–recapture models. Models with smaller values of AIC (Akaike's Information Criterion) are preferred.
简洁的报告的一个或多个空间明确的捕获 - 再捕获模型的拟合。数值越小，赤池信息标准（AIC）是首选的模式。


用法----------Usage----------


## S3 method for class 'secr'
AIC(object, ..., sort = TRUE, k = 2, dmax = 10)
## S3 method for class 'secrlist'
AIC(object, ..., sort = TRUE, k = 2, dmax = 10)
## S3 method for class 'secr'
logLik(object, ...)



参数----------Arguments----------

参数：object
secr object output from the function secr.fit, or a list of such objects with class c("list","secrlist")  
secr对象输出的功能secr.fit，或C类（“名单”，“secrlist对象的列表”）


参数：...
other secr objects  
其他secr对象


参数：sort
logical for whether rows should be sorted by ascending AICc  
逻辑行是否应该进行排序升序国际会议中心


参数：k
numeric, the penalty per parameter to be used; always k = 2 in this method
数字，每个参数的处罚;始终在这个方法中，K = 2


参数：dmax
numeric, the maximum AIC difference for inclusion in confidence set
数字包含在置信集，最大的AIC差异


Details

详细信息----------Details----------

Models to be compared must have been fitted to the same data and use the same likelihood method (full vs conditional).
以进行比较的模型必须已被安装到相同的数据，并使用相同的似然方法（全与条件）。

AIC with small sample adjustment is given by
AIC小样本调整

where K is the number of "beta" parameters estimated. The sample size n is the number of individuals observed at least once (i.e. the number of rows in capthist).
K是“测试版”的参数估计。样本量n是个体至少一次（即capthist的行数）。

Model weights are calculated as
模型的权重计算公式为

Models for which dAICc > dmax are given a weight of zero and are excluded from the summation. Model weights may be used to form model-averaged estimates of real or beta parameters with model.average (see also Buckland et al. 1997, Burnham and Anderson 2002).
模型dAICc>dmax权重为零的和被排除的总和。模型的权重可能会被用来形成真实或β参数与模型的平均估计model.average（见巴克兰等人，1997年，2002年伯纳姆和安德森）。

The argument k is included for consistency with the generic method AIC.
参数k的一致性与通用方法AIC。


值----------Value----------

A data frame with one row per model.  By default, rows are sorted by ascending AICc.
一个数据框一个每行模式。默认情况下，行按照升序国际会议中心的。


参数：model
character string describing the fitted model
字符串描述的拟合模型


参数：detectfn
shape of detection function fitted (halfnormal vs hazard-rate)  
安装检测功能的形状（halfnormal与危险率）


参数：npar
number of parameters estimated
估计的参数的数量


参数：logLik
maximized log likelihood
最大化对数似然


参数：AIC
Akaike's Information Criterion
Akaike的信息准则


参数：AICc
AIC with small-sample adjustment of Hurvich & Tsai (1989)
AIC小样本调整的Hurvich仔（1989年）


参数：dAICc
difference between AICc of this model and the one with smallest AICc
这种模式和国际会议中心的一个最小的国际会议中心之间的差异


参数：AICwt
AICc model weight
国际会议中心模型重量

logLik.secr returns an object of class "logLik" that has attribute df (degrees of freedom = number of estimated parameters).
logLik.secr返回一个对象类的logLik属性df（自由程度的估计参数）。


注意----------Note----------

It is not be meaningful to compare models by AIC if they relate to different data or habitat masks. For example, an "secrlist" generated and saved to file by mask.check may be supplied as the object argument of AIC.secrlist, but the results are not informative. Likewise, models fitted by the conditional likelihood (CL = TRUE) and full likelihood (CL = FALSE) methods cannot be compared.
这是没有多大意义的模型的的AIC，如果他们涉及到不同的数据或栖息地的面具。例如，secrlistmask.check可能会作为对象参数的AIC.secrlist提供，但结果是没有信息保存到文件中。同样，模型拟合条件的可能性（CL = TRUE）和全似然（CL = FALSE）方法无法比拟的。

The issue of goodness-of-fit and possible adjustment of AIC for overdispersion has yet to be addressed (cf QAIC in MARK).
善良的配合和可能的调整AIC为偏大的问题尚未得到解决（比照QAIC MARK）。


参考文献----------References----------





参见----------See Also----------

model.average, AIC, secr.fit, print.secr, score.test, LR.test, deviance.secr
model.average，AIC，secr.fit，print.secr，score.test，LR.test，deviance.secr


实例----------Examples----------


## Compare two models fitted previously[＃比较两种模型以前]
## secrdemo.0 is a null model[＃secrdemo.0是一个空的模型]
## secrdemo.b has a learned trap response[＃secrdemo.b有一个博学多才的陷阱响应]

AIC(secrdemo.0, secrdemo.b)

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。