R语言 Zelig包 sim()函数中文帮助文档(中英文对照)

loveR

sim(Zelig)
sim()所属R语言包：Zelig

                                        Simulating Quantities of Interest
                                         模拟量的利息

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Simulate quantities of interest from the estimated model output from zelig() given specified values of explanatory variables established in setx().  For classical maximum likelihood models, sim() uses asymptotic normal approximation to the log-likelihood.  For Bayesian models, Zelig simulates quantities of interest from the posterior density, whenever possible.  For robust Bayesian models, simulations are drawn from the identified class of Bayesian posteriors. Alternatively, you may generate quantities of interest using
模拟量估计模型输出的zelig()指定的值的解释变量成立于setx()的兴趣。对于经典的最大似然法模型，sim()使用渐近正态近似对数似然。贝叶斯模型，策利希的兴趣后验概率密度，尽可能模拟量。强劲的贝叶斯模型，模拟的贝叶斯后验概率，得出确定的类。或者，您可能会产生兴趣使用量


用法----------Usage----------


sim(object, x = NULL, ...)

## Default S3 method:[默认方法]
sim(object, x=NULL, x1=NULL,
            num=c(1000, 100),
            prev = NULL, bootstrap = FALSE, bootfn=NULL,
            cond.data = NULL, ...)



参数----------Arguments----------

参数：object
the output object from zelig.  
的输出对象从zelig。


参数：x
values of explanatory variables used for simulation, generated by setx.   
用于仿真的解释变量的值，所产生的setx。


参数：x1
optional values of explanatory variables (generated by a second call of setx), used to simulate first differences and risk ratios.  (Not available for conditional prediction.)  
可选值的解释变量（第二个检测所产生的setx），用来模拟一阶差分和风险比。 （不适用于有条件的预测。）


参数：num
the number of simulations, i.e., posterior draws.  If the num argument is omitted, sim draws 1,000 simulations by if bootstrap = FALSE (the default), or 100 simulations if bootstrap = TRUE.  You may increase this value to improve accuracy.  (Not available for conditional prediction.)  
模拟数，即，后画。如果num参数被省略，sim吸引1000模拟bootstrap = FALSE（默认值），或100个模拟，如果bootstrap = TRUE如果。您可能会增加此值，以提高准确性。 （不适用于有条件的预测。）


参数：prev
a previous setx object to use to simulate
以前的SETX使用模拟对象


参数：bootstrap
a logical value indicating if parameters should be generated by re-fitting the model for bootstrapped data, rather than from the likelihood or posterior.  (Not available for conditional prediction.)  
如果参数应重新装配模型的自举的数据，而不是从似然或后所产生的一个逻辑值，该值指示。 （不适用于有条件的预测。）


参数：bootfn
a function which governs how the data is sampled, re-fits the model, and returns the bootstrapped model parameters.  If bootstrap = TRUE and bootfn = NULL, sim will sample observations from the original data (with replacement) until it creates a sampled dataset with the same number of observations as the original data.  Alternative bootstrap methods include sampling the residuals rather than the observations, weighted sampling, and parametric bootstrapping. (Not available for conditional prediction.)   
一个函数，它控制如何对数据进行采样，再适合的模型，并传回的自举模式参数。如果bootstrap = TRUE和bootfn = NULL，sim将采样观测的原始数据（更换），直到它创建了一个与原始数据相同数目的观测，采样数据集。另类的包括采样的残差，而不是观察，加权采样，和参数的自举引导方法。 （不适用于有条件的预测。）


参数：cond.data
specify conditional data
指定条件的数据


参数：...
additional optional arguments passed to boot.  
额外的可选参数传递给boot。


值----------Value----------

The output stored in s.out varies by model.  Use the names command to view the output stored in s.out. Common elements include:
输出存储在s.out因型号而异。使用names命令来查看存储在s.out的输出。常见的元素包括：


参数：x
the setx values for the explanatory variables, used to calculate the quantities of interest (expected values, predicted values, etc.).  
setx的值的解释变量，用于计算感兴趣的数量时（预期值，预测值，等等）。


参数：x1
the optional setx object used to simulate first differences, and other model-specific quantities of interest, such as risk-ratios.
可选的setx对象来模拟一个差别，以及其他特定数量的模型，如风险比。


参数：call
the options selected for sim, used to replicate quantities of interest.   
选项选择为sim，用于复制大量的利益。


参数：zelig.call
the original command and options for zelig, used to replicate analyses.  
原来的命令和选项zelig，复制分析。


参数：num
the number of simulations requested.  
所要求的数量的模拟。


参数：par
the parameters (coefficients, and additional model-specific parameters).  You may wish to use the same set of simulated parameters to calculate quantities of interest rather than simulating another set.
的参数（系数，并且额外的具体模型的参数）。您可能希望使用相同的一组模拟参数计算利息的数量，而不是模拟另一套。


参数：qi\$ev
simulations of the expected values given the model and x.  
模拟的预期值给出的模型和x。


参数：qi\$pr
simulations of the predicted values given by the fitted values.  
由拟合值的预测值的模拟。


参数：qi\$fd
simulations of the first differences (or risk difference for binary models) for the given x and x1. The difference is calculated by subtracting the expected values given x from the expected values given x1.  (If do not specify x1, you will not get first differences or risk ratios.)  
模拟的一个差别（或风险差异的二元模型）为给定的x和x1。所不同的是计算，减去预期值x从预期值x1，。 （如果没有指定x1，你不会得到一阶差分或风险比率）。


参数：qi\$rr
simulations of the risk ratios for binary and multinomial models.  See specific models for details.
模拟的风险比二进制和多项模型。具体车型的详细信息。


参数：qi\$ate.ev
simulations of the average expected treatment effect for the treatment group, using conditional prediction. Let t_i be a binary explanatory variable defining the treatment (t_i=1) and control (t_i=0) groups.  Then the average expected treatment effect for the treatment group is  <p align="center"> \frac{1}{n}&sum;_{i=1}^n [ \, Y_i(t_i=1) -       E[Y_i(t_i=0)] \mid t_i=1 \,],   where Y_i(t_i=1) is the value of the dependent variable for observation i in the treatment group.  Variation in the simulations are due to uncertainty in simulating E[Y_i(t_i=0)], the counterfactual expected value of Y_i for observations in the treatment group, under the assumption that everything stays the same except that the treatment indicator is switched to t_i=0.  
为治疗组，使用条件预测的平均预期治疗效果的模拟。让我们t_i是一个二进制的解释变量定义治疗（t_i=1）和控制（t_i=0）组。平均预期的治疗效果，治疗组<p ALIGN="CENTER"> \frac{1}{n}&sum;_{i=1}^n [ \, Y_i(t_i=1) -       E[Y_i(t_i=0)] \mid t_i=1 \,],其中Y_i(t_i=1)是因变量的观察值i的治疗组。在模拟的变化是由于不确定性在模拟E[Y_i(t_i=0)]，反事实的预期中值Y_i观察治疗组，根据假设一切保持不变，除了治疗指标切换到 t_i=0。


参数：qi\$ate.pr
simulations of the average predicted treatment effect for the treatment group, using conditional prediction. Let t_i be a binary explanatory variable defining the treatment (t_i=1) and control (t_i=0) groups.  Then the average predicted treatment effect for the treatment group is  <p align="center"> \frac{1}{n}&sum;_{i=1}^n [ \, Y_i(t_i=1) -       \widehat{Y_i(t_i=0)} \mid t_i=1 \,],   where Y_i(t_i=1) is the value of the dependent variable for observation i in the treatment group.  Variation in the simulations are due to uncertainty in simulating \widehat{Y_i(t_i=0)}, the counterfactual predicted value of Y_i for observations in the treatment group, under the assumption that everything stays the same except that the treatment indicator is switched to t_i=0.   
模拟的平均预测为治疗组的治疗效果，使用条件的预测。让我们t_i是一个二进制的解释变量定义治疗（t_i=1）和控制（t_i=0）组。的平均预测为治疗组的治疗效果是<p /> \frac{1}{n}&sum;_{i=1}^n [ \, Y_i(t_i=1) -       \widehat{Y_i(t_i=0)} \mid t_i=1 \,],其中Y_i(t_i=1)是因变量的观察值i治疗组。在模拟的变化是由于不确定性在模拟\widehat{Y_i(t_i=0)}，反事实的预测值Y_i观察治疗组，根据假设一切保持不变，除了治疗指标切换到 t_i=0。

In the case of censored $Y$ in the exponential, Weibull, and lognormal models, sim first imputes the uncensored values for $Y$ before calculating the ATE.  
在审查的情况下，$ Y $指数，Weibull分布，对数正态分布模型，sim第一归咎于前的的未经审查值$ Y $计算ATE。

You may use the \$ operator to extract any of the above from s.out.  For example, s.out\$qi\$ev extracts the simulated expected values.
您可以使用\$运营商，提取上述任何s.out。例如，s.out\$qi\$ev提取模拟的预期值。


（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;




参见----------See Also----------

The full Zelig at http://gking.harvard.edu/zelig, and boot.  
完整的Zelig http://gking.harvard.edu/zelig，和boot。

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。