R语言 weightedScores包 cl1()函数中文帮助文档(中英文对照)

loveR

cl1(weightedScores)
cl1()所属R语言包：weightedScores

                                        OPTIMIZATION ROUTINE FOR BIVARIATE COMPOSITE LIKELIHOOD FOR MVN COPULA
                                         MVN COPULA二元复合似然优化程序

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Optimization routine for bivariate composite likelihood for MVN copula.
优化常规MVN系词二元复合的可能性。


用法----------Usage----------


cl1(b,gam,xdat,ydat,id,tvec,margmodel,corstr,link)



参数----------Arguments----------

参数：b
The regression coefficients.
回归系数。


参数：gam
The parameter γ of negative binomial distribution. γ is NULL for Poisson and binary regression.
参数γ负二项分布。 γ是NULL泊松分布和二元回归。


参数：xdat
(\mathbf{x}_1 , \mathbf{x}_2 , … , \mathbf{x}_n )^\top,  where the matrix \mathbf{x}_i,\,i=1,…,n for a given unit will depend on the  times of observation for that unit (j_i) and will have number of rows j_i, each row corresponding to one of the j_i elements of y_i and p columns where p is the number of covariates including the unit first column  to account for the intercept. This xdat matrix is of dimension (N\times p), where N =∑_{i=1}^n j_i is the total number of observations from all units.
(\mathbf{x}_1 , \mathbf{x}_2 , … , \mathbf{x}_n )^\top，其中矩阵\mathbf{x}_i,\,i=1,…,n对于一个给定的单元将取决于观察的时间该单元（j_i）和将有j_i，对应每一行的行数j_i元素之一y_i和p列p是共变项包括单位的第一列用于拦截。此的XDAT矩阵是尺寸(N\times p),其中N =∑_{i=1}^n j_i是观测各单位的总数。


参数：ydat
(y_1 , y_2 , … , y_n )^\top, where the response data vectors y_i,\,i=1,…,n are of possibly different lengths for different units.  In particular, we now have that y_i is (j_i \times 1), where j_i is the   number of observations on unit i. The total number of observations   from all units is N =∑_{i=1}^n j_i. The ydat are the collection of data   vectors y_i, i = 1,…,n one from each unit which summarize all the data together in a single, long vector of length N.
(y_1 , y_2 , … , y_n )^\top，其中的响应数据矢量y_i,\,i=1,…,n都可能有不同的长度为不同的单位。特别是，我们现在有y_i（j_i \times 1），其中j_i是单位i的若干意见。各单位总数的观测是N =∑_{i=1}^n j_i。 ydat是收集的数据向量y_i, i = 1,…,n总结各单位的所有数据一起在一个很长的向量的长度N。


参数：id
An index for individuals or clusters.
指数为个人或聚类。


参数：tvec
A vector with the time indicator of individuals or clusters.
一个向量的个人或聚类的时间指标。


参数：margmodel
Indicates the marginal model. Choices are “poisson” for Poisson, “bernoulli” for Bernoulli,  and  “nb1” , “nb2” for the NB1 and NB2 parametrization  of negative binomial in Cameron and Trivedi (1998).
表示的边际模式。选项是“泊”泊松，“伯努利”伯努利，和“NB1，NB2”为NB1和NB2参数化的负二项分布卡梅伦和Trivedi（1998）。


参数：corstr
Indicates the latent correlation structure of normal copula. Choices are “exch”, “ar”, and “unstr” for exchangeable, ar(1) and unstructured correlation structure, respectively.
表示潜在的相关的正常系词结构。选择“EXCH”，“AR”，“可换unstr”，AR（1）和非结构化的相关结构，分别。


参数：link
The link function.  Choices are “log” for the log link function, “logit” for  the logit link function, and “probit” for  the probit link function.  However, this is an optional argument and needs to be defined only for probit regression.
链接功能。选择“log”的log链接功能，“罗吉”的罗吉特链接功能，和“概率”的概率链接功能。然而，这是一个可选的参数，需要定义概率回归。


Details

详细信息----------Details----------

The CL1 composite likelihood method in Zhao and Joe (2005). The univariate parameters  are estimated from the sum of univariate marginal log-likelihoods and then the dependence parameters are estimated from the sum of bivariate marginal log-likelihoods with the univariate parameters fixed from the first step.
CL1复合似然法在赵和乔（2005）。单因素的参数估计从单变量边缘数似然性的总和，然后的依赖参数估计从二元的边际log的似然性，与从所述第一步骤中的单变量参数固定的总和。


值----------Value----------

A list containing the following components: <table summary="R valueblock"> <tr valign="top"><td>minimum</td> <td> The negative value of the sum of bivariate marginal log-likelihoods at CL1 estimates.</td></tr> <tr valign="top"><td>estimate</td> <td> The CL1 estimates.</td></tr> <tr valign="top"><td>gradient</td> <td> The gradient at the estimated minimum of CL1.</td></tr> <tr valign="top"><td>code</td> <td> An integer indicating why the optimization process terminated, same as in nlm.</td></tr> </table>
一个列表，其中包含以下组件：<table summary="R valueblock"> <tr valign="top"> <TD> minimum</ TD> <TD>为负值的总和二元边际log在CL1估计的似然性。</ TD> </ TR> <tr valign="top"> <TD>estimate </ TD> <TD> CL1估计。</ TD> </ TR> <TR VALIGN =“”> <TD>gradient </ TD> <TD>梯度的估计最低的CL1。</ TD> </ TR> <tr valign="top"> <TD> code </ TD> <TD>一个整数，指示优化过程终止的原因，同样的nlm。</ TD> </ TR> </表>


（作者）----------Author(s)----------



Aristidis K. Nikoloulopoulos <a href="mailto:A.Nikoloulopoulos@uea.ac.uk">A.Nikoloulopoulos@uea.ac.uk</a><br>
Harry Joe <a href="mailto:harry.joe@ubc.ca">harry.joe@ubc.ca</a>




参考文献----------References----------

Nikoloulopoulos, A.K., Joe, H. and Chaganty, N.R. (2011) Weighted scores method for regression models with dependent data. Biostatistics, 12, 653&ndash;665.
Zhao, Y. and Joe, H. (2005) Composite likelihood estimation in multivariate data analysis. The Canadian Journal of Statistics,  33, 335&ndash;356.

参见----------See Also----------

bcl iee
bcliee


实例----------Examples----------


## Not run: [＃不运行：]
################################################################################[＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃ ＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃]
#                      read and set up data set[读取和设置数据集]
################################################################################[＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃ ＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃]
data(childvisit)
# covariates[协变量]
season1<-childvisit$q
season1[season1>1]<-0
xdat<-cbind(1,childvisit$sex,childvisit$age,childvisit$m,season1)
# response[响应]
ydat<-childvisit$hosp
#id[ID]
id<-childvisit$id
#time[时间]
tvec<-childvisit$q
################################################################################[＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃ ＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃]
#                      select the marginal model[选择边际模型]
################################################################################[＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃ ＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃]
margmodel="nb1"
################################################################################[＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃ ＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃]
#                      select the  correlation structure[选择相关结构]
################################################################################[＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃ ＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃]
corstr="exch"
################################################################################[＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃ ＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃]
#                      perform CL1 estimation[执行CL1估计]
################################################################################[＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃ ＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃]
i.est<-iee(xdat,ydat,margmodel)
cat("\niest: IEE estimates\n")
print(c(i.est$reg,i.est$gam))
est.rho<-cl1(b=i.est$reg,gam=i.est$gam,xdat,ydat,id,tvec,margmodel,corstr)
cat("\nest.rho: CL1 estimates\n")
print(est.rho$e)

## 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。