R语言 Zelig包 model.matrix.multiple()函数中文帮助文档(中英文对照)

loveR

model.matrix.multiple(Zelig)
model.matrix.multiple()所属R语言包：Zelig

                                        Design matrix for multivariate models
                                         多变量模型的设计矩阵

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Use model.matrix.multiple after parse.formula to
使用model.matrix.multiple后parse.formula


用法----------Usage----------


## S3 method for class 'multiple'
model.matrix(object, data, shape = "compact", eqn = NULL, ...)



参数----------Arguments----------

参数：object
the list of formulas output from parse.formula
列表中的公式输出parse.formula


参数：data
a data frame created with model.frame.multiple  
一个数据框创建model.frame.multiple


参数：shape
a character string specifying the shape of the outputed matrix.  Available options are   
一个字符的字符串，指定的形状的outputed矩阵。可用的选项有

"compact"(default) the output matrix will be an n x v, where v is the number of unique variables in all of the equations (including the intercept term)  
“紧凑型”（默认），输出矩阵将是一个n x v，其中v是在所有的方程中的唯一变量（包括截距项）

"array"the output is an n x K x J array where J is the total number of equations and K is the total number of parameters across all the equations.  If a variable is not in a certain equation, it is observed as a vector of 0s.  
“阵列”输出是一个n x K x J阵列J总数的方程和K是在所有的方程中的参数的总数。如果变量是没有在一定的方程，它是观察到的0为一个向量。

"stacked"the output will be a 2n x K matrix where K is the total number of  parameters across all the equations.  </ul>
“堆叠”的输出将是一个2n x K矩阵K的总人数在所有的方程中的参数。 </ ul>


参数：eqn
a character string or a vector of character strings identifying the equations from which to  construct the design matrix. The defaults to NULL, which only uses the systematic parameters (for which DepVar = TRUE in the appropriate describe.model function)   
一个字符串或字符串识别从构造设计矩阵方程的矢量。 NULL，它仅使用系统参数（默认为DepVar = TRUE在适当的describe.model函数）


参数：...
additional arguments passed to model.matrix.default  
额外的参数传递给model.matrix.default


值----------Value----------

A design matrix or array, depending on the options chosen in shape, with appropriate terms
一个设计矩阵或数组，取决于选择在shape，适当的条件


（作者）----------Author(s)----------



Kosuke Imai &lt;<a href="mailto:kimai@princeton.edu">kimai@princeton.edu</a>&gt;; Gary King
&lt;<a href="mailto:king@harvard.edu">king@harvard.edu</a>&gt;; Olivia Lau &lt;<a href="mailtolau@fas.harvard.edu">olau@fas.harvard.edu</a>&gt;; Ferdinand Alimadhi
&lt;<a href="mailto:falimadhi@iq.harvard.edu">falimadhi@iq.harvard.edu</a>&gt;




参见----------See Also----------

parse.par, parse.formula and the full Zelig manual at
parse.par，parse.formula和完整的Zelig手册在


实例----------Examples----------



# Let's say that the name of the model is "bivariate.probit", and[比方说，该模型的名称是“bivariate.probit”，并]
# the corresponding describe function is describe.bivariate.probit(),[相应形容的功能是describe.bivariate.probit（），]
# which identifies mu1 and mu2 as systematic components, and an[标识MU1，MU2作为系统组件，和一个]
# ancillary parameter rho, which may be parameterized, but is estimated[辅助参数rho沸石，这可能是参数化的，但估计]
# as a scalar by default.  Let par be the parameter vector (including[默认情况下，作为一个标量。让看齐的参数向量（包括]
# parameters for rho), formulae a user-specified formula, and mydata[rho沸石的参数），公式用户指定的式，MYDATA的]
# the user specified data frame.[用户指定的数据框。]

# Acceptable combinations of parse.par() and model.matrix() are as follows:[上可接受的组合parse.par（）和model.matrix（）如下：]
## Setting up[＃设置]
## Not run:  [＃不运行：]
data(sanction)
formulae <- cbind(import, export) ~ coop + cost + target
fml <- parse.formula(formulae, model = "bivariate.probit")
D <- model.frame(fml, data = sanction)
terms <- attr(D, "terms")

## Intuitive option[＃直观的选项]
Beta <- parse.par(par, terms, shape = "vector", eqn = c("mu1", "mu2"))
X <- model.matrix(fml, data = D, shape = "stacked", eqn = c("mu1", "mu2")  
eta <- X

## Memory-efficient (compact) option (default)[＃内存效率（紧凑型）选项（默认）]
Beta <- parse.par(par, terms, eqn = c("mu1", "mu2"))
X <- model.matrix(fml, data = D, eqn = c("mu1", "mu2"))   
eta <- X

## Computationally-efficient (array) option[＃计算效率（阵列）选项]
Beta <- parse.par(par, terms, shape = "vector", eqn = c("mu1", "mu2"))
X <- model.matrix(fml, data = D, shape = "array", eqn = c("mu1", "mu2"))
eta <- apply(X, 3, '


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。