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

loveR

summary.segmented(segmented)
summary.segmented()所属R语言包：segmented

                                         Summarizing  model fits for segmented regression
                                         综合模型拟合分段回归

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

summary method for class segmented.
类segmented的简易方法。


用法----------Usage----------


## S3 method for class 'segmented'
summary(object, short = FALSE, var.diff = FALSE, ...)

## S3 method for class 'summary.segmented'
print(x, short=x$short, var.diff=x$var.diff,
    digits = max(3, getOption("digits") - 3),
    signif.stars = getOption("show.signif.stars"),...)




参数----------Arguments----------

参数：object
Object of class "segmented".  
类的对象的“分段”。


参数：short
logical indicating if the "short" summary should be printed.  
逻辑指示是否应印有“短”的摘要。


参数：var.diff
logical indicating if different error variances should be computed  in each interval of the segmented variable, see Details.  
逻辑表示如果有不同的计算误差应在每个区间的分段变量，请参阅详细信息。


参数：x
a summary.segmented object produced by summary.segmented().
summary.segmented对象，产生的summary.segmented()。


参数：digits
controls number of digits printed in output.
控制在输出的打印的数字的数量。


参数：signif.stars
logical, should stars be printed on summary tables of coefficients?
逻辑，应星辰印刷系数汇总表？


参数：...
further arguments.  
进一步的论据。


Details

详细信息----------Details----------

If short=TRUE only coefficients of the segmented relationships are printed. If var.diff=TRUE and there is only one segmented variable, different error variances are  computed in the intervals defined by the estimated breakpoints of the segmented variable.  For the jth interval with nj observations  the error variance is estimated via RSSj/(nj-p), where RSS_j is the residual sum of squares  in interval jth, and p are the model parameters. Note var.diff=TRUE does not affect  the parameter estimation which is performed via ordinary (and not weighted) least squares.  However if var.diff=TRUE the variance-covariance matrix of the estimates is computed via the  sandwich formula,
如果印刷短= TRUE系数分割的关系。如果var.diff = TRUE，并只有一个分段的变量，不同的误差方差计算在分段变量估计断点所定义的间隔。为第j个间隔与新泽西州的观测误差方差的估计通过RSSj/(nj-p)，其中RSS_j是在间隔第j个残差的平方和p是模型的参数。注意var.diff=TRUE不影响它是通过普通的（而不是加权）最小二乘参数估计。但是，如果var.diff=TRUE的方差 - 协方差矩阵的估计是通过夹心公式计算，

where V is the diagonal matrix including the different error variance estimates. Standard errors are  the square root of the main diagonal of this matrix.
其中，V为对角矩阵，包括不同的误差方差估计。标准误差是该矩阵的主对角线的平方根。


值----------Value----------

A list (similar to one returned by segmented.lm or segmented.glm) with additional components:
与其他组件的列表（类似于一个返回segmented.lm或segmented.glm）：


参数：psi
estimated break-points and relevant (approximate) standard errors
估计突破点和相关的标准误差（大约）


参数：Ttable
estimates and standard errors of the model parameters. This is similar to the matrix coefficients returned by summary.lm or summary.glm, but without the rows corresponding to the breakpoints. Even the p-values relevant to the difference-in-slope parameters have been replaced by NA, since they are meaningless in this case, see davies.test.
模型参数的估计和标准错误。这是类似于矩阵coefficients返回summary.lm或summary.glm，但没有对应的断点的行。即使是p-值相关的斜率的差异参数已被替换为NA，因为它们是无意义的在这种情况下，请参阅davies.test。


参数：gap
estimated coefficients, standard errors and t-values for the "gap" variables
估计系数，标准差和t值的“缺口”变量


参数：cov.var.diff
if var.diff=TRUE, the covaraince matrix accounting for heteroscedastic errors.
如果var.diff=TRUE，covaraince矩阵会计为异方差错误。


参数：sigma.new
if var.diff=TRUE, the square root of the estimated error variances in each interval.
如果var.diff=TRUE，在每个间隔中的估计误差方差的平方根。


参数：df.new
if var.diff=TRUE, the residual degrees of freedom in each interval.
如果var.diff=TRUE，在每个间隔中的自由的残留程度。


（作者）----------Author(s)----------


Vito M.R. Muggeo



参见----------See Also----------

print.segmented, davies.test
print.segmented，davies.test


实例----------Examples----------


##continues example from segmented()[＃继续从分割的例子（）]
# summary(segmented.model,short=TRUE)[的摘要（segmented.model，短= TRUE）]

## an heteroscedastic example..[＃异方差的例子。]
# set.seed(123)[set.seed（123）]
# n&lt;-100[N <-100]
# x&lt;-1:n/n[X <-1：N / N]
# y&lt;- -x+1.5*pmax(x-.5,0)+rnorm(n,0,1)*ifelse(x&lt;=.5,.4,.1)[&#376;< -  X +1.5 * PMAX（X-0.5，0）+ rnorm（N，0,1）* ifelse（x <= 0.5，0.4，0.1）]
# o&lt;-lm(y~x)[O <-LM（&#374;~X）]
# oseg&lt;-segmented(o,seg.Z=~x,psi=.6)[oseg分段（O，seg.Z = X，PSI = 0.6）]
# summary(oseg,var.diff=TRUE)$sigma.new[摘要（oseg，var.diff = TRUE）sigma.new]

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。