R语言 SemiParBIVProbit包 LM.bpm()函数中文帮助文档(中英文对照)

loveR

LM.bpm(SemiParBIVProbit)
LM.bpm()所属R语言包：SemiParBIVProbit

                                        Lagrange Multiplier Test (Score Test)
                                         拉格朗日乘数检验（分数测试）

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

LM.bpm can be used to test the hypothesis of absence of endogeneity or sample selection before fitting a bivariate probit model.
LM.bpm可以用来测试的假设缺乏内生性或样本选择装修前一个二元probit模型。


用法----------Usage----------



LM.bpm(formula.eq1,formula.eq2,data,selection=FALSE,FI=FALSE)




参数----------Arguments----------

参数：formula.eq1
A GAM formula for equation 1.  
一个GAM公式为式（1）。


参数：formula.eq2
A GAM formula for equation 2.  
一个GAM公式，式（2）。


参数：data
An optional data frame, list or environment containing the variables in the model. If not found in data, the variables are taken from environment(formula), typically the environment from which LM.bpm is called.
一个可选的数据框，列表或包含在模型中的变量的环境。如果没有找到data，变量environment(formula)，通常是LM.bpm被称为环境。


参数：selection
If TRUE, then the test is performed for the sample selection case.
如果TRUE，然后测试样本选择的情况下进行。


参数：FI
If TRUE, then the Fisher (rather than the observed) information matrix is used.
如果TRUE，然后费希尔（而不是观察到的）的信息矩阵使用。


Details

详细信息----------Details----------

This Lagrange multiplier test (also known as score test) is for testing the null  hypothesis ρ=0 (i.e. no endogeneity or sample selection, depending on the model being fitted). Its main advantage is that it does  not require an estimate of the model parameter vector under the alternative hypothesis. Asymptotically, it takes a Chi-squared distribution  with one degree of freedom. Full details can be found in Marra et al. (submitted).
这个拉格朗日乘数检验（也被称为测试得分）是用于测试的零假设ρ=0（即没有内生性或样本的选取，取决于被装在模型上）。其主要优点是，它不需要一个替代的假设下估计的模型参数向量。渐近，它需要一个自由度的卡方分布。全部细节可以发现在杰贝勒迈拉等。 （提交）。

Note that, for the case of endogeneity, when FI=TRUE a convenient simplification based on the result that  the Fisher information matrix becomes block diagonal is employed (Marra et al., submitted). This is also consistent with the results by Kiefer (1982) for multivariate probit models.
请注意，箱子内生性，当FI=TRUE采用Fisher信息矩阵成为块对角的结果的基础上的一个方便的简化（杰贝勒迈拉等，提交）。这也是基弗（1982）多元Probit模型的结果一致。


值----------Value----------

It returns a numeric p-value corresponding to the null hypothesis ρ=0.
它返回数值p-值对应于零假设ρ=0。


（作者）----------Author(s)----------



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




参考文献----------References----------




参见----------See Also----------

SemiParBIVProbit-package, SemiParBIVProbit, summary.SemiParBIVProbit
SemiParBIVProbit-package，SemiParBIVProbit，summary.SemiParBIVProbit


实例----------Examples----------


## see examples for SemiParBIVProbit[＃看到SemiParBIVProbit的例子]

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。