lmrob..M..fit(robustbase)
lmrob..M..fit()所属R语言包：robustbase
Compute M-estimators of regression
计算M-估计的回归
译者：生物统计家园网 机器人LoveR
描述----------Description----------
This function performs RWLS iterations to find an M-estimator of regression. When started from an S-estimated beta.initial, this results in an MM-estimator.
此功能进行RWLS的迭代找到一个M-估计的回归。启动时从S-估计beta.initial，在MM估计这个结果。
用法----------Usage----------
lmrob..M..fit(x, y, beta.initial, scale, control, obj)
参数----------Arguments----------
参数：x
design matrix (n x p) typically including a column of 1s for the intercept.
设计矩阵（n x p）通常包括用于拦截一列1的。
参数：y
numeric response vector (of length n).
数字响应向量（长度n）。
参数：beta.initial
numeric vector (of length p) of initial estimate. Usually the result of an S-regression estimator.
数字矢量（长度p）的初步估计。通常情况下，S-回归估计的结果。
参数：scale
robust residual scale estimate. Usually an S-scale estimator.
强大的剩余规模估计。通常，一个S-级的估计。
参数：control
list of control parameters, as returned by lmrob.control. Currently, only the components c("max.it", "rel.tol","trace.lev", "psi", "tuning.psi", "method") are accessed.
列表控制参数，返回的lmrob.control。目前，只有组件c("max.it", "rel.tol","trace.lev", "psi", "tuning.psi", "method")访问的。
参数：obj
an optional lmrob-object. If specified, this is used to set values for the other arguments.
一个可选的lmrob对象。如果指定了，这是用来设置其他参数的值。
Details
详细信息----------Details----------
This function is used by lmrob.fit and typically not to be used on its own.
使用此功能lmrob.fit，通常不使用自己的。
值----------Value----------
A list with the following elements:
列表包含下列元素：
参数：coef
the M-estimator (or MM-estim.) of regression
回归M-估计（或MM估算）。
参数：control
the control list input used
control列表输入
参数：scale
The residual scale estimate
剩余规模估计
参数：seed
The random number generator seed
的随机数发生器的种子
参数：converged
TRUE if the RWLS iterations converged, FALSE otherwise
TRUE，如果RWLS迭代融合，FALSE否则
（作者）----------Author(s)----------
Matias Salibian-Barrera and Martin Maechler
参考文献----------References----------
参见----------See Also----------
lmrob.fit, lmrob; rlm from package MASS.
lmrob.fit，lmrob; rlm包MASS。
实例----------Examples----------
data(stackloss)
X <- model.matrix(stack.loss ~ . , data = stackloss)
y <- stack.loss
## Compute manual MM-estimate:[＃计算手动MM估计：]
## 1) initial LTS:[＃1）初始LTS：]
m0 <- ltsReg(X[,-1], y)
## 2) M-estimate started from LTS:[＃2）开始从LTS M-估计：]
m1 <- lmrob..M..fit(X, y, beta.initial = coef(m0), scale = m0$scale,
control = lmrob.control(tuning.psi = 1.6,
psi = 'bisquare'))
cbind(m0$coef, m1$coef)
## the scale is kept fixed:[＃规模保持不变：]
stopifnot(identical(unname(m0$scale), m1$scale))
## robustness weights: are[＃鲁棒性重量：]
r.s <- with(m1, residuals/scale) # scaled residuals[规模残差]
m1.wts <- robustbase:::tukeyPsi1(r.s, cc = 1.6) / r.s
summarizeRobWeights(m1.wts)
##--> outliers 1,3,4,13,21[＃ - >离群值1,3,4,13,21]
which(m0$lts.wt == 0) # 1,3,4,21 but not 13[1,3,4,21，但不是13]
## Add M-step to SMD-estimate[＃M-步骤，SMD估计]
m2 <- lmrob(stack.loss ~ ., data = stackloss, method = 'SMD')
m3 <- lmrob..M..fit(obj = m2)
## Simple function that allows custom initial estimates[＃简单的功能，允许自定义的初步估计]
## (Deprecated use init argument to lmrob() instead.)[＃（已过时利用初始化参数来lmrob的（）来代替。）]
lmrob.custom <- function(x, y, beta.initial, scale, terms) {
## initialize object[＃初始化对象]
obj <- list(control = lmrob.control("KS2011"),
terms = terms) ## terms is needed for summary()[＃条款是必要的摘要（）]
## M-step[＃M步]
obj <- lmrob..M..fit(x, y, beta.initial, scale, obj = obj)
## D-step[＃D的步骤]
obj <- lmrob..D..fit(obj, x)
## Add some missing elements[＃添加一些缺少的元素。]
obj$cov <- TRUE ## enables calculation of cov matrix[＃使覆盖矩阵的计算]
obj$p <- obj$qr$rank
obj$degree.freedom <- length(y) - obj$p
## M-step[＃M步]
obj <- lmrob..M..fit(x, y, obj=obj)
obj$control$method <- ".MDM"
obj
}
m4 <- lmrob.custom(X, y, m2$init$init.S$coef,
m2$init$scale,m2$terms)
stopifnot(all.equal(m4$coef, m3$coef))
## Start from ltsReg:[＃启动从ltsReg：]
m5 <- ltsReg(stack.loss ~ ., data = stackloss)
m6 <- lmrob.custom(m5$X, m5$Y, coef(m5), m5$scale, m5$terms)
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。
|
发表于 2012-9-27 22:10:21
