R语言 vcdExtra包 Hoyt()函数中文帮助文档(中英文对照)

loveR

Hoyt(vcdExtra)
Hoyt()所属R语言包：vcdExtra

                                        Minnesota High School Graduates
                                         明尼苏达州的高中毕业生

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Minnesota high school graduates of June 1930 were classified with respect to  (a) Rank by thirds in their graduating class, (b) post-high school Status in April 1939 (4 levels), (c) Sex,  (d) father's Occupational status (7 levels, from 1=High to 7=Low).
明尼苏达州的高中毕业生（一）1930年6月被列为Rank三分之二在他们的毕业班，（二）高中毕业Status1939年4月（4级），（三） Sex，（四）父亲的Occupation人的地位（7级，1 =高至7 =低）。

The data were first presented by Hoyt et al. (1959) and have been analyzed by Fienberg(1980), Plackett(1974) and others.
霍伊特等人首次提出的数据。 （1959）和已被分析的Plackett Fienberg（1980），（1974）和其他。


用法----------Usage----------


data(Hoyt)



格式----------Format----------

A     4-dimensional array resulting from cross-tabulating    4 variables for 13968 observations. The variable names and their levels are:
一个4维数组列表4个变量为13968的意见。变量的名字和他们的水平：

Name
名称

Status
Status

Rank
Rank

Occupation
Occupation

Sex
Sex


Details

详细信息----------Details----------

Post high-school Status is natural to consider as the response.
发布高中Status是，自然要考虑作为响应。


源----------Source----------

Fienberg, S. E. (1980). The Analysis of Cross-Classified Categorical Data. Cambridge, MA: MIT Press, p. 91-92.
fienberg，S.E.（1980）。交叉分类的分类数据分析。剑桥，MA：MIT出版社，页。 91-92。

R. L. Plackett, (1974). The Analysis of Categorical Data. London: Griffin.
R. L.的Plackett，（1974）。分类数据的分析。伦敦：格里芬。


参考文献----------References----------

Analysis of complex contingency tables,  Journal of Experimental Education 27, 187-194.

参见----------See Also----------

minn38 provides the same data as a data frame.
minn38提供一个数据框的数据相同的数据。


实例----------Examples----------


data(Hoyt)

# display the table[显示表]
structable(Status+Sex ~ Rank+Occupation, data=Hoyt)

# mosaic for independence model[马赛克独立模型]
plot(Hoyt, shade=TRUE)

# examine all pairwise mosaics[检查所有成对马赛克]
pairs(Hoyt, shade=TRUE)

# collapse Status to College vs. Non-College[学院与非学院的崩溃状态]
Hoyt1 <- collapse.table(Hoyt, Status=c("College", rep("Non-College",3)))
plot(Hoyt1, shade=TRUE)

#################################################[＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃]
# fitting models with loglm, plotting with mosaic[拟合模型与loglm，策划与镶嵌]
#################################################[＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃]

# fit baseline log-linear model for Status as response[适合基线状态，对数线性模型响应]

hoyt.mod0 <- loglm(~ Status + (Sex*Rank*Occupation), data=Hoyt1)
hoyt.mod0
mosaic(hoyt.mod0, gp=shading_Friendly, main="Baseline model: Status + (Sex*Rank*Occ)")

# add one-way association of Status with factors[添加单向关联关系的现状与因素]
hoyt.mod1 <- loglm(~ Status * (Sex + Rank + Occupation) + (Sex*Rank*Occupation), data=Hoyt1)
hoyt.mod1
mosaic(hoyt.mod1, gp=shading_Friendly, main="Status * (Sex + Rank + Occ)")

# can we drop any terms?[我们可以删除任何条款？]
drop1(hoyt.mod1, test="Chisq")

# assess model fit[评估模型的拟合]
anova(hoyt.mod0, hoyt.mod1)

# what terms to add?[添加什么条件？]
add1(hoyt.mod1, ~.^2, test="Chisq")

# add interaction of Sex:Occupation on Status[添加互动性别：职业现状]
hoyt.mod2 <- update(hoyt.mod1, ~.+Status:Sex:Occupation)
mosaic(hoyt.mod2, gp=shading_Friendly, main="Adding Status:Sex:Occupation")

# compare model fits[比较模型拟合]
anova(hoyt.mod0, hoyt.mod1, hoyt.mod2)

# Alternatively, try stepwise analysis, heading toward the saturated model[另外，尝试逐步分析，走向饱和模型]
steps <- step(hoyt.mod0, direction="forward", scope=~Status*Sex*Rank*Occupation)
# display anova[显示方差分析]
steps$anova


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。