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

loveR

mele(TwoPhaseInd)
mele()所属R语言包：TwoPhaseInd

                                         Maximum Estimated Likelihood Estimator (MELE)
                                         估计最大似然估计（MELE）

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

This is the function to calculate the maximum estimated likelihood estimator (MELE) for the treatment-biomarker interaction in two-phase sampling nested within randomized clinical trials, incorporating the independence between a randomized treatment and the baseline markers.
这是函数来计算估计的最大似然估计（MELE）治疗的生物标志物的相互作用在两相抽样，随机临床试验，将嵌套在一个随机治疗和基线标志物之间的独立性。


用法----------Usage----------


mele(data, response, treatment, BaselineMarker, extra = NULL, phase, ind = TRUE, difffactor = 1e-07)



参数----------Arguments----------

参数：data
A data.frame containing all the variables for the model
数据框包含的所有变量的模型


参数：response
Quoted string to indicate the variable of response.  The variable must be binary.
带引号的字符串来表示响应变量。该变量必须是二进制的。


参数：treatment
Quoted string to indicate the variable of treatment in the first phase.  The variable must be binary.
带引号的字符串来表示的变量，在第一阶段的治疗。该变量必须是二进制的。


参数：BaselineMarker
Quoted string to indicate the baseline marker in the second phase.  The variable must be continuous variable.
引号的字符串，以指示在第二阶段中的基准标记。该变量必须是连续的变量。


参数：extra
A vector of quoted column names to be used as extra variables in the model.
一个矢量被用来作为额外的变量在模型中引用的列名。


参数：phase
Quoted string to indicate the variable of phase.
带引号的字符串来表示的变量相。


参数：ind
TRUE for independent assumption; FALSE for non-independent assumption.
非独立假设为独立的假设TRUE，FALSE。


参数：difffactor
A small number to control the iteration.
一个小的个数来控制迭代。


Details

详细信息----------Details----------

Please see Dai et al. (2009) for more details.
请参阅戴金星等。 （2009）的更多细节。


值----------Value----------

It returns a data.frame object with the estimates, standard errors, and p-values for all parameters in the model.
它返回一个数据框对象模型中的所有参数的估计，标准误，p值。


（作者）----------Author(s)----------



James Y. Dai and Ting-Yuan Liu




参考文献----------References----------

J. Y. Dai, M. LeBlanc, and C. Kooperberg. Semiparametric estimation exploiting co-variate independence in two-phase randomized trials. Biometrics, 65(1):178-187, Mar 2009.

参见----------See Also----------

spmle
spmle

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。