R语言 sme包 BICn()函数中文帮助文档(中英文对照)

loveR

BICn(sme)
BICn()所属R语言包：sme

                                        An alternative BIC for longitudinal models
                                         另一种BIC纵向模型

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Calculates the BIC as -2 * log-likelihood + log(n) * npar for a longitudinal model where npar is the number of parameters in the fitted-model and n is the
计算为-2 *对数似然的BIC +的log（n）* NPAR NPAR的长度的模型，其中拟合的模型中的参数的数量和n是


用法----------Usage----------


BICn(object,...)



参数----------Arguments----------

参数：object
a fitted longitudinal model object
一个装有纵向模型对象


参数：...
some methods for this generic function may require additional arguments
这个通用功能的一些方法可能需要额外的参数


Details

详细信息----------Details----------

When applying the BIC in a longitudinal context, there is some debate as to whether the sample size should be taken to mean the number of subjects or the total number of observations across all subjects (see Section 7.3 of Hedeker and Gibbons, 2006).
当应用BIC在纵向方面，有一些争论的样本量是否应采取的研究对象数量或总数目在所有科目的观察（见第7.3节Hedeker和Gibbons，2006年）的意思。

Assuming the default BIC function accounts for the latter case, this generic function can be implemented for longitudinal models where the number of subjects can be extracted in order to calculate the BIC under the alternative definition.
这个通用的功能假设的默认BIC函数占后者的情况下，可以实现纵向可以提取模型的研究对象数量，以计算的另一种定义下的BIC。


值----------Value----------

A numeric value with the BIC of the longitudinal model, with the penalty taken as a function of the number of subjects as described.
的数字值的长度模型的BIC，与作为一个功能的所描述的对象的数目而采取的罚款。


（作者）----------Author(s)----------


Maurice Berk <a href="mailto:maurice.berk01@imperial.ac.uk">maurice.berk01@imperial.ac.uk</a>



参考文献----------References----------




实例----------Examples----------


  data(MTB)
  fit <- sme(MTB[MTB$variable==6031,c("y","tme","ind")])
  BICn(fit)

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。