R语言 scam包 summary.scam()函数中文帮助文档(中英文对照)

loveR

summary.scam(scam)
summary.scam()所属R语言包：scam

                                        Summary for a SCAM fit
                                         摘要一个骗局配合

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Takes a fitted scam object produced by scam() and produces various useful summaries from it. The same code as in summary.gam of the mgcv package is used here with slight modifications to accept the exponentiated parameters of the monotone smooth terms and the corresponding covariance matrix.
一个装有scam对象产生的scam()和生产各种有用的摘要。相同的代码，在summary.gammgcv包用在这里稍作修改接受的的单调光滑的条款和相应的协方差矩阵的幂参数。


用法----------Usage----------


## S3 method for class 'scam'
summary(object, dispersion=NULL, freq=FALSE, alpha=0,...)

## S3 method for class 'summary.scam'
print(x,digits = max(3, getOption("digits") - 3),
                  signif.stars = getOption("show.signif.stars"),...)



参数----------Arguments----------

参数：object
a fitted monogam object as produced by scam().
一个装有monogam对象产生的scam()。


参数：x
a summary.scam object produced by summary.scam().  
summary.scam对象，产生的summary.scam()。


参数：dispersion
A known dispersion parameter. NULL to use estimate or default (e.g. 1 for Poisson).
已知的分散参数。 NULL使用估计或默认，（泊松）例如：1。


参数：freq
By default p-values for individual terms are calculated using the frequentist estimated covariance matrix of the parameter estimators. If this is set to FALSE then the Bayesian covariance matrix of the parameters is used instead.  
默认情况下，p-值计算个别条款的使用频率统计参数估计的协方差矩阵估计。如果设置为false，则贝叶斯协方差矩阵的参数来代替。


参数：alpha
adjustment to reference distribution per estimated smoothing parameter.
每估计的平滑参数调整参考分布。


参数：digits
controls number of digits printed in output.
控制在输出的打印的数字的数量。


参数：signif.stars
Should significance stars be printed alongside output.
意义的明星一起被打印输出。


参数：...
other arguments.
其他参数。


值----------Value----------

summary.scam produces the same list of summary information for a fitted scam object as in the  unconstrained case summary.gam except for the last element BFGS termination condition.
summary.scam一个装有scam对象为在不受约束的情况下，summary.gam除了最后一个元素BFGS termination condition产生相同的摘要信息列表。


参数：p.coeff
is an array of estimates of the strictly parametric model coefficients.
严格的参数化模型系数的估计是一个数组。


参数：p.t
is an array of the p.coeff's divided by their standard errors.
p.coeff的是一个数组除以它们的标准误差。


参数：p.pv
is an array of p-values for the null hypothesis that the corresponding parameter is zero.  Calculated with reference to the t distribution with the estimated residual degrees of freedom for the model fit if the dispersion parameter has been estimated, and the standard normal if not.
p-值是一个数组零假设，即对应的参数是零。的估计残差自由度的t分布模型拟合计算，如果分散参数估计，如果没有标准的正常。


参数：m
The number of smooth terms in the model.
平滑计算模型中的数目。


参数：chi.sq
An array of test statistics for assessing the significance of model smooth terms. See details.
评估的意义模型光滑条款的检验统计量的数组。查看详细信息。


参数：s.pv
An array of approximate p-values for the null hypotheses that each smooth term is zero. Be warned, these are only approximate.
近似的p值，每个平滑项为零的零假设一个数组。但是请注意，这些只是近似的。


参数：se
array of standard error estimates for all parameter estimates.
所有参数估计值的标准误差估计阵列。


参数：r.sq
The adjusted r-squared for the model. Defined as the proportion of variance explained, where original variance and  residual variance are both estimated using unbiased estimators. This quantity can be negative if your model is worse than a one  parameter constant model, and can be higher for the smaller of two nested models! Note that proportion null deviance  explained is probably more appropriate for non-normal errors.
调整后的R平方为模型。定义为方差的比例解释说，原来的方差和残差的方差都是估计的无偏估计。如果你的模型比一个参数常数模型更糟糕的是，这个数量可以是负的，并且可以高一些较小的两个嵌套的模型！请注意，这一比例是空偏差可能更适合于非正常的错误。


参数：dev.expl
The proportion of the null deviance explained by the model.
空越轨的比例由模型解释。


参数：edf
array of estimated degrees of freedom for the model terms.
阵列的估计模型项的自由度。


参数：residual.df
estimated residual degrees of freedom.
预计净残值的自由度。


参数：n
number of data.
的数据的数量。


参数：gcv
minimized GCV score for the model, if GCV used.
GCV得分最小化的模型，如果GCV使用。


参数：ubre
minimized UBRE score for the model, if UBRE used.
最小化的模型，如果UBRE得分UBRE使用。


参数：scale
estimated (or given) scale parameter.
估计（或）尺度参数。


参数：family
the family used.
家庭中使用。


参数：formula
the original GAM formula.
原来的GAM公式。


参数：dispersion
the scale parameter.
尺度参数。


参数：pTerms.df
the degrees of freedom associated with each parameteric term (excluding the constant).
的自由度与每个双参数术语（不包括的常数）。


参数：pTerms.chi.sq
a Wald statistic for testing the null hypothesis that the each parametric term is zero.
一个Wald统计量检验的零假设，每个参数项为零。


参数：pTerms.pv
p-values associated with the tests that each term is zero. For penalized fits these are approximate. The reference distribution  is an appropriate chi-squared when the scale parameter is known, and is based on an F when it is not.
p-值与测试每个项为零。对于处罚适合这些是近似的。参考分布是一个合适的卡方时，尺度参数是已知的，并且是根据一个F时，它不是。


参数：cov.unscaled
The estimated covariance matrix of the parameters (or estimators if freq=TRUE), divided by scale parameter.
参数估计的协方差矩阵（或估计，如果freq=TRUE），除以尺度参数。


参数：cov.scaled
The estimated covariance matrix of the parameters (estimators if freq=TRUE).
估计的协方差矩阵的参数（估计：如果freq=TRUE）。


参数：p.table
significance table for parameters
参数的意义表


参数：s.table
significance table for smooths
为平滑的意义表


参数：p.Terms
significance table for parametric model terms
参数化模型计算的意义表


参数：BFGS termination condition
the value of the maximum component of the scaled GCV/UBRE gradient used as stopping  condition. This value is printed if  the termination code of the BFGS optimization process is not "1" (not full convergence) (see bfgs_gcv.ubrefor details)
的最大分量的图像的缩放GCV / UBRE梯度用作停止条件的值。如果终止代码的BFGS优化过程中是1（不完全收敛）（见bfgs_gcv.ubre的详细信息，该值将被打印）


警告----------WARNING ----------

The p-values are approximate.
P值是近似的。


（作者）----------Author(s)----------



Natalya Pya &lt;nat.pya@gmail.com&gt; based partly on <code>mgcv</code> by Simon Wood




参考文献----------References----------




参见----------See Also----------

scam
scam


实例----------Examples----------


## Not run: [＃不运行：]
## simulating data...[＃模拟数据...]
n <- 200
set.seed(1)
x1 <- runif(n)*6-3
f1 &lt;- 3*exp(-x1^2) # unconstrained smooth term[无约束光滑期]
x2 <- runif(n)*4-1;
f2 &lt;- exp(4*x2)/(1+exp(4*x2)) # monotone increasing smooth[单调递增光滑]
x3 <- runif(n)*5;
f3 &lt;- -log(x3)/5  # monotone decreasing smooth[单调递减的平滑]
f <- f1+f2+f3
y <- f + rnorm(n)*0.3
dat <- data.frame(x1=x1,x2=x2,x3=x3,y=y)
## fit model ...[＃拟合模型...]
b <- scam(y~s(x1,k=15,bs="cr",m=2)+s(x2,k=30,bs="mpi",m=2)+s(x3,k=30,bs="mpd",m=2),
     data=dat)

summary(b)
plot(b,pages=1)  

## End(Not run)  [＃（不执行）]

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。