R语言 RMark包 var.components()函数中文帮助文档(中英文对照)

loveR

var.components(RMark)
var.components()所属R语言包：RMark

                                        Variance components estimation
                                         方差分量估计

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Computes estimated effects, standard errors and process variance for a set of estimates
计算估计的影响，一组估计标准误差及制程变异


用法----------Usage----------


  var.components(theta, design, vcv, LAPACK = TRUE)



参数----------Arguments----------

参数：theta
vector of parameter estimates
参数估计值的向量


参数：design
design matrix for combining parameter estimates
参数估计值相结合的设计矩阵


参数：vcv
estimated variance-covariance matrix for parameters
参数估计方差 - 协方差矩阵


参数：LAPACK
argument passed to call to qr for qr decomposition and inversion
参数传递给调用qrQR分解和反转的


Details

详细信息----------Details----------

Computes estimated effects, standard errors and process variance for a set of estimates using the method of moments estimator described by Burnham and White (2002). The design matrix specifies the manner in which the estimates (theta) are combined.  The number of rows of the design matrix must match the length of theta.  To get a mean estimate use a column matrix of 1's (e.g., design=matrix(1,ncol=1,nrow=length(theta)). The function returns a list with the estimates of the coefficients for the design matrix (beta) with one value per column in the design matrix and the variance-covariance matrix (vcv.beta) for the beta estimates. The process variance is returned as sigma.
计算估计的影响，伯纳姆和White（2002）所描述的矩估计方法的估计使用一组标准误差及制程变异。 design矩阵指定的方式，估计（theta）相结合。在设计矩阵的行的数目必须theta的长度相匹配。得到的平均估计使用的1列矩阵（例如，design=matrix(1,ncol=1,nrow=length(theta))。该函数返回一个列表，设计矩阵（beta）的设计与每列的值的系数的估计矩阵和vcv.beta估计的方差 - 协方差矩阵（beta）。制程变异的形式返回sigma。


值----------Value----------

A list with the following elements
包含下列元素的列表


参数：sigma
process variance estimate  <tr valign="top"><td>beta</td>
过程方差估计<tr valign="top"> <TD> beta</ TD>

dataframe with estimates and standard errors of betas for design
数据框的估计和标准错误的测试版的设计


参数：vcv.beta
variance-covariance matrix for beta
方差 - 协方差矩阵的β


（作者）----------Author(s)----------



Jeff Laake




参考文献----------References----------

random effects methodology applicable to bird ringing data.  Journal of Applied Statistics 29: 245-264.

实例----------Examples----------



data(dipper)
md=mark(dipper,model.parameters=list(Phi=list(formula=~time)))
zz=get.real(md,"Phi",vcv=TRUE)
z=zz$estimates$estimate[1:6]
vcv=zz$vcv.real
var.components(z,design=matrix(rep(1,length(z)),ncol=1),vcv)


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。