R语言 SemiParBIVProbit包 SemiParBIVProbit-package()函数中文帮助文档(中英文对照)

loveR

SemiParBIVProbit-package(SemiParBIVProbit)
SemiParBIVProbit-package()所属R语言包：SemiParBIVProbit

                                        Semiparametric Bivariate Probit Modelling
                                         半参数的二元概率模型

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

SemiParBIVProbit provides a function for bivariate probit modelling with semiparametric  predictors, including linear, nonlinear and random effects.
SemiParBIVProbit提供了一个二元概率函数与半参数预测模型，包括线性，非线性效应和随机效应。


Details

详细信息----------Details----------

SemiParBIVProbit provides a function for flexible bivariate probit modelling, in the presence of  correlated error equations, endogeneity or sample selection. The underlying representation and  estimation of the model is based on a penalized regression spline approach, with automatic smoothness selection. The  numerical routine carries out function minimization using a trust region algorithm from the package trust in combination with an adaptation of a low level smoothness selection fitting procedure from the package mgcv.
SemiParBIVProbit提供的功能的灵活的二元概率建模，在误差方程相关的存在下，内生性或样本选择。相关的代表性和被处罚的回归样条曲线的方法，选择自动平滑模型估计的基础上。数值程序进行功能最小化的信赖域算法的包trust的结合适应的低水平平滑选装程序包mgcv。

SemiParBIVProbit supports the use of many smoothers as extracted from mgcv. Scale invariant tensor product smooths are not currently supported. Estimation is by penalized maximum likelihood with automatic smoothness selection achieved  by using the approximate Un-Biased Risk Estimator (UBRE).
SemiParBIVProbit支持使用很多平滑提取mgcv。尺度不变的张量积平滑目前不支持。估计是惩罚最大似然选择自动平滑实现用近似无偏风险估计（UBRE）。

Confidence intervals for smooth components are derived using a Bayesian approach. Approximate p-values for testing  individual smooth terms for equality to the zero function are also provided. Functions plot.SemiParBIVProbit and  summary.SemiParBIVProbit extract such information from a fitted SemiParBIVProbitObject. Model/variable selection is also  possible via the use of shrinakge smoothers or information criteria.
使用贝叶斯方法得出的置信区间平滑分量。约的p值测试个人光滑的条款平等零功能也有提供。功能plot.SemiParBIVProbit和summary.SemiParBIVProbit提取这些信息从一个装有SemiParBIVProbitObject。也可以通过使用shrinakge平滑或信息标准模型/变量选择。

The use of nonparametric random effects is also allowed for.
也允许使用非参数随机效应。


（作者）----------Author(s)----------



Giampiero Marra (University College London) and Rosalba Radice (London School of Hygiene and Tropical Medicine) with contributions
from Georgios Papageorgiou (Imperial College London)

Maintainer: Giampiero Marra <a href="mailto:giampiero@stats.ucl.ac.uk">giampiero@stats.ucl.ac.uk</a>




参考文献----------References----------


Journal of Statistics, 39(2), 259-279.


参见----------See Also----------

SemiParBIVProbit
SemiParBIVProbit

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。