R语言 SKAT包 SKAT_Null_Model()函数中文帮助文档(中英文对照)

loveR

SKAT_Null_Model(SKAT)
SKAT_Null_Model()所属R语言包：SKAT

                                        Get parameters and residuals from the H0 model
                                         H0模型的参数和残差

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Compute model parameters and residuals for SKAT. You also can obtain resampled residuals that can be used to compute resampling p-value or to control family-wise error rate.
计算模型参数和残差SKAT。你也可以得到，可用于计算重采样p值或控制家庭明智的错误率的重新采样的残差。


用法----------Usage----------



SKAT_Null_Model(formula, data=NULL, out_type="C", n.Resampling=0
, type.Resampling="bootstrap", Adjustment=TRUE)




参数----------Arguments----------

参数：formula
an object of class “formula”: a symbolic description of the NULL model to be fitted.
安装一个对象类的“公式”：空模型的符号描述。


参数：data
an optional data frame containing the variables in the model (default=NULL).  If it is NULL, the variables are taken from 'environment(formula)'
一个可选的数据框包含在模型中的变量（默认值= NULL）。如果为NULL，则变量是从“环境（公式）”


参数：out_type
an indicator of the outcome type. "C" for the continuous outcome and "D" for the dichotomous outcome.
的一个指标的结果类型。 “C”的连续结果和“D”的两分法的结果。


参数：n.Resampling
a numeric value of the number of resampling (default=0). If you don't want resampling, please set n.Resampling=0.  
一个数值的重采样数（默认值= 0）。如果你不想重新取样，请设置n.Resampling = 0。


参数：type.Resampling
resampling methods (default="bootstrap"). see details.
重采样方法（默认值=“引导”）。查看详细信息。


参数：Adjustment
If TRUE, a small sample adjustment will be applied when the sample size < 2000 and the trait is binary (default=TRUE). See details      
如果为true，将适用于小样本调整样本量<2000年和特征是二进制（默认值= TRUE）。查看详细资料


Details

详细信息----------Details----------

There are 2 different methods to get resampled residuals. "bootstrap" conducts the parametric bootstrap to resample residuals under the NULL model with considering covariates.  If there is no covariate, "bootstrap" is equivalent to the permutation method. "perturbation" perturbs the residuals by multiplying mean zero and variance one normal random variable. The default method is "bootstrap".
有2种不同的方法来得到重采样的残差。 “引导”进行重新采样的参数引导下NULL考虑协变量的模型的残差。如果没有协变量，“引导”是等效的置换方法。 “扰动”，扰动残差乘以零均值和方差的正态分布的随机变量。默认的方法是“引导”。

We no longer provide "perturbation" method!
我们不再提供“扰动”的方法！

When the trait is binary, the SKAT can produce conservative results when the sample size is small. To address this, we recently developed a small sample adjustment method, which adjust asymptotic null distribution by estimating small sample moments. See also SKAT_Null_Model_MomentAdjust.
的特点是二进制文件，，SKAT可以产生保守的结果时，样本量小。为了解决这个问题，我们最近开发了一个小样本调整方法，调整渐近零分布的小样本矩估计。请参阅SKAT_Null_Model_MomentAdjust。


值----------Value----------

This function returns an object that has model parameters and residuals of the NULL model of no association between genetic variables and outcome phenotypes. After obtaining it, please use SKAT function to conduct the association test.
该函数返回一个对象，具有遗传变量和结果的表型之间无关联的NULL模型的模型参数和残差。在得到它，请使用SKAT功能进行的相关测试。


（作者）----------Author(s)----------


Seunggeun Lee



实例----------Examples----------




data(SKAT.example)
attach(SKAT.example)

#############################################################[＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃ ＃＃＃＃＃＃＃＃＃＃]
#        Compute the P-value of SKAT [计算的P-值SKAT]

# continuous trait[连续特征]
obj<-SKAT_Null_Model(y.c ~ X, out_type="C")
SKAT(Z, obj, kernel = "linear.weighted")$p.value

# binary trait[二元性状。]
obj<-SKAT_Null_Model(y.b ~ X, out_type="D")
SKAT(Z, obj, kernel = "linear.weighted")$p.value


#############################################################[＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃ ＃＃＃＃＃＃＃＃＃＃]
#         When you have no covariate to adjust.[当你有没有协变量的调整。]

# continuous trait[连续特征]
obj<-SKAT_Null_Model(y.c ~ 1, out_type="C")
SKAT(Z, obj, kernel = "linear.weighted")$p.value

# binary trait[二元性状。]
obj<-SKAT_Null_Model(y.b ~ 1, out_type="D")
SKAT(Z, obj, kernel = "linear.weighted")$p.value




#############################################################[＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃ ＃＃＃＃＃＃＃＃＃＃]
#        Resampling [重采样]

# parametric boostrap under the NULL, without covariates[下NULL，如果没有协变量的参数自举]
obj<-SKAT_Null_Model(y.b ~ X , out_type="D",n.Resampling=5000)

# SKAT p-value[SKAT p值]
re<- SKAT(Z, obj, kernel = "linear.weighted")
re$p.value        # SKAT p-value[SKAT p值]
Get_Resampling_Pvalue(re)        # get resampling p-value[得到重采样p值]


#########################################################[＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃ ＃＃＃＃＃＃]
# Small sample adjustment[小样本调整]
IDX<-c(1:100,1001:1100)

# With-adjustment[随着调整]
obj<-SKAT_Null_Model(y.b[IDX] ~ X[IDX,],out_type="D")
SKAT(Z[IDX,], obj, kernel = "linear.weighted")$p.value

# Without-adjustment[如果不调整]
obj<-SKAT_Null_Model(y.b[IDX] ~ X[IDX,],out_type="D", Adjustment=FALSE)
SKAT(Z[IDX,], obj, kernel = "linear.weighted")$p.value



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。