R语言 vcdExtra包 Hauser79()函数中文帮助文档(中英文对照)

loveR

Hauser79(vcdExtra)
Hauser79()所属R语言包：vcdExtra

                                         Hauser (1979) Data on Social Mobility
                                         豪瑟（1979）对社会流动的数据

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Hauser (1979) presented this two-way frequency table, cross-classifying occupational categories of sons and fathers in the United States.
豪瑟（1979）提出的双向频率表，跨在美国的儿子和父亲的职业类别进行分类。


用法----------Usage----------


data(Hauser79)



格式----------Format----------

A frequency data frame with 25 observations on the following 3 variables, representing the cross-classification of 19912 individuals by father's occupation and son's first occupation.
25观察以下3个变量，代表的交叉分类的19912人，父亲的职业和儿子的第一个职业的数据框的频率。




Son a factor with levels UpNM LoNM UpM LoM Farm
Son的一个因素水平UpNMLoNMUpMLoMFarm




Father a factor with levels UpNM LoNM UpM LoM Farm
Father的一个因素水平UpNMLoNMUpMLoMFarm




Freq a numeric vector
Freq一个数值向量


源----------Source----------

R.M. Hauser (1979), Some exploratory methods for modeling mobility tables and other cross-classified data.  In: K.F. Schuessler (Ed.), Sociological Methodology, 1980, Jossey-Bass, San Francisco, pp. 413-458.
R.M.豪瑟（1979年），建模流动表和其他机密数据的一些探索性的方法。 ：K.F.舒斯勒（主编），社会学方法论，1980年，乔西低音，旧金山，页413-458。


参考文献----------References----------

Bingley, UK: Emerald.

实例----------Examples----------


data(Hauser79)
str(Hauser79)

# display table[显示表]
structable(~Father+Son, data=Hauser79)

#Examples from Powers & Xie, Table 4.15[从权力及解表4.15的例子]
# independence model[独立模型]
mosaic(Freq ~ Father + Son, data=Hauser79, shade=TRUE)

hauser.indep <- gnm(Freq ~ Father + Son, data=Hauser79, family=poisson)
mosaic(hauser.indep, ~Father+Son, main="Independence model", gp=shading_Friendly)

hauser.quasi <-  update(hauser.indep, ~ . + Diag(Father,Son))
mosaic(hauser.quasi, ~Father+Son, main="Quasi-independence model", gp=shading_Friendly)

hauser.qsymm <-  update(hauser.indep, ~ . + Diag(Father,Son) + Symm(Father,Son))
mosaic(hauser.qsymm, ~Father+Son, main="Quasi-symmetry model", gp=shading_Friendly)
#mosaic(hauser.qsymm, ~Father+Son, main="Quasi-symmetry model")[马赛克（hauser.qsymm，父亲+的儿子，主要=“准对称模型”）]


# numeric scores for row/column effects[行/列的数字分数的影响]
Sscore <- as.numeric(Hauser79$Son)
Fscore <- as.numeric(Hauser79$Father)

# row effects model[行效应模型]
hauser.roweff <- update(hauser.indep, ~ . + Father*Sscore)
summarise(hauser.roweff)

# uniform association[均匀协会]
hauser.UA <- update(hauser.indep, ~ . + Fscore*Sscore)
summarise(hauser.UA)

# uniform association, omitting diagonals[统一的协会，忽略对角线]
hauser.UAdiag <- update(hauser.indep, ~ . + Fscore*Sscore + Diag(Father,Son))
summarise(hauser.UAdiag)

# Levels for Hauser 5-level model[豪瑟5级车型的水平]
levels <- matrix(c(
  2,  4,  5,  5,  5,
  3,  4,  5,  5,  5,
  5,  5,  5,  5,  5,
  5,  5,  5,  4,  4,
  5,  5,  5,  4,  1
  ), 5, 5, byrow=TRUE)

hauser.topo <- update(hauser.indep, ~ . + Topo(Son,Father, spec=levels))
mosaic(hauser.topo, ~Father+Son, main="Topological model", gp=shading_Friendly)

hauser.RC <- update(hauser.indep, ~ . + Mult(Son,Father))
mosaic(hauser.RC, ~Father+Son, main="RC model", gp=shading_Friendly)
summarise(hauser.RC)

# crossings models [口岸模型]
hauser.CR <- update(hauser.indep, ~ . + Crossings(Father,Son))
mosaic(hauser.topo, ~Father+Son, main="Crossings model", gp=shading_Friendly)
summarise(hauser.CR)

hauser.CRdiag <- update(hauser.indep, ~ . + Crossings(Father,Son) + Diag(Father,Son))
summarise(hauser.CRdiag)


# compare model fit statistics[比较模型拟合统计]
modlist <- glmlist(hauser.indep, hauser.roweff, hauser.UA, hauser.UAdiag, hauser.quasi, hauser.qsymm,  
     hauser.topo, hauser.RC, hauser.CR, hauser.CRdiag)
sumry <- summarise(modlist)
sumry[order(sumry$AIC, decreasing=TRUE),]
# or, more simply[或更简单地]
summarise(modlist, sortby="AIC")

op <- par(xpd=TRUE)
# mods &lt;- gsub('hauser\.', '', rownames(sumry))[MODS  -  GSUB（“豪泽\，，rownames（sumry））]
mods <- substring(rownames(sumry),8)
with(sumry,
        {plot(Df, AIC, cex=1.3, pch=19, xlab='Degrees of freedom', ylab='AIC')
        text(Df, AIC, mods, adj=c(0.5,-.5), col='red')
        })
par(op)



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。