R语言 wle包 mle.aic()函数中文帮助文档(中英文对照)

loveR

mle.aic(wle)
mle.aic()所属R语言包：wle

                                        Akaike Information Criterion
                                         赤池信息准则

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

The Akaike Information Criterion is evaluated for each submodel.
赤池信息准则评估各子模型。


用法----------Usage----------


mle.aic(formula, data=list(), model=TRUE, x=FALSE,
        y=FALSE, var.full=0, alpha=2, contrasts = NULL,
        se=FALSE, verbose=FALSE)



参数----------Arguments----------

参数：formula
a symbolic description of the model to be fit. The details of model specification are given below.
一个象征性的模型来描述是合适的。模型规范的细节在下面给出。


参数：data
an optional data frame containing the variables in the model.  By default the variables are taken from the environment which mle.aic is called from.
一个可选的数据框包含在模型中的变量。默认情况下，变量是从mle.aic被称为从环境。


参数：model, x, y
logicals.  If TRUE the corresponding components of the fit (the model frame, the model matrix, the response.)
的逻辑。如果TRUE拟合的相应部件（模型框架，模型矩阵，响应。）


参数：var.full
the value of variance to be used, if 0 the variance estimated from the full model is used.
要使用的方差的值，若为0则用于从完整的模型估计的方差。


参数：alpha
the penalized constant.
惩罚不变。


参数：contrasts
an optional list. See the contrasts.arg of model.matrix.default.
可选列表。请参阅contrasts.argmodel.matrix.default。


参数：se
logical. if TRUE the returning object contains standard errors for the parameters of every model.
逻辑。如果TRUE返回的对象包含了每一个模型参数的标准误差。


参数：verbose
if TRUE warnings are printed.
如果TRUE警告被打印出来。


Details

详细信息----------Details----------

Models for mle.aic are specified symbolically.  A typical model has the form response ~ terms where response is the (numeric) response vector and terms is a series of terms which specifies a linear predictor for response.  A terms specification of the form first+second indicates all the terms in first together with all the terms in second with duplicates removed. A specification of the form first:second indicates the the set of terms obtained by taking the interactions of all terms in first with all terms in second. The specification first*second indicates the cross of first and second.  This is the same as first+second+first:second.
模型mle.aic的符号。典型的模型形式response ~ terms其中response是响应向量（数字）和terms是一系列的条款，指定一个线性预测response。一个术语规范的形式first+second表示first一起在second重复删除的所有条款中的所有条款。一个规范的形式first:second的表示的术语集firstsecond的所有条款的相互作用的所有条款。规格first*second表明first和second交叉的。这是相同first+second+first:second。


值----------Value----------

mle.aic returns an object of class "mle.aic".
mle.aic返回一个对象的class"mle.aic"的。

The function summary is used to obtain and print a summary of the results. The generic accessor functions coefficients and residuals extract coefficients and residuals returned by mle.aic. The object returned by mle.aic are:
函数summary用于获取和打印结果的摘要。一般的访问功能coefficients和residuals的提取系数和残差返回mle.aic。对象返回mle.aic是：

<table summary="R valueblock"> <tr valign="top"><td>aic</td> <td> the AIC for each submodels</td></tr> <tr valign="top"><td>coefficients</td> <td> the parameters estimator, one row vector for each submodel.</td></tr> <tr valign="top"><td>scale</td> <td> an estimation of the error scale, one value for each submodel.</td></tr> <tr valign="top"><td>residuals</td> <td> the residuals from the estimated model, one column vector for each submodel.</td></tr> <tr valign="top"><td>call</td> <td> the match.call().</td></tr> <tr valign="top"><td>contrasts</td> <td> </td></tr> <tr valign="top"><td>xlevels</td> <td> </td></tr> <tr valign="top"><td>terms</td> <td> the model frame.</td></tr> <tr valign="top"><td>model</td> <td> if model=TRUE a matrix with first column the dependent variable and the remain column the explanatory variables for the full model.</td></tr> <tr valign="top"><td>x</td> <td> if x=TRUE a matrix with the explanatory variables for the full model.</td></tr> <tr valign="top"><td>y</td> <td> if y=TRUE a vector with the dependent variable.</td></tr> <tr valign="top"><td>info</td> <td> not well working yet, if 0 no error occurred.</td></tr> <tr valign="top"><td>se</td> <td> standard errors of the parameters, one row vector for each submodel. Available only if se is TRUE.</td></tr> </table>
<table summary="R valueblock"> <tr valign="top"> <TD> aic</ TD> <TD>各子模型的AIC </ TD> </ TR> <TR VALIGN =“顶“<TD> coefficients </ TD> <TD>的参数估计，为每个子模型的一个行向量。</ TD> </ TR> <tr valign="top"> <TD> X> </ TD> <TD>的错误规模估计，每个子模型的一个值。</ TD> </ TR> <tr valign="top"> <TD>scale</ TD > <TD>估计模型的残差，各子模型的一个列向量。</ TD> </ TR> <tr valign="top"> <TD> residuals </ TD> <TD>的match.call（）。</ TD> </ TR> <tr valign="top"> <TD>call </ TD> <TD> </ TD> </ TR> <TR VALIGN =“顶“<TD>contrasts </ TD> <TD> </ TD> </ TR> <tr valign="top"> <TD> xlevels</ TD> <TD>的模型框架。</ TD> </ TR> <tr valign="top"> <TD> terms </ TD> <TD>如果model一个矩阵，其中第一列因变量和仍列的是整个模型的解释变量。</ TD> </ TR> <tr valign="top"> <TD> model=TRUE </ TD> <TD>如果x矩阵的是整个模型的解释变量。</ TD> </ TR> <tr valign="top"> <TD> x=TRUE </ TD> <TD> y矢量与依赖变量。</ TD> </ TR> <tr valign="top"> <TD>y=TRUE </ TD> <TD>还不能很好地工作，如果没有错误发生。</ TD> </ TR> <tr valign="top"> <TD>info</ TD> <TD>标准误差的参数，为每个子模型的一个行向量。仅在se是se。</ TD> </ TR> </ TABLE>


（作者）----------Author(s)----------


Claudio Agostinelli



参考文献----------References----------

Akaike, H., (1973) Information theory and an extension of the maximum likelihood principle, in: B.N. Petrov and F. Cs\'aki, eds., Proc. 2nd International Symposium of Information Theory, Akad\'emiai Kiad\'o, Budapest, 267-281.

实例----------Examples----------


library(wle)

data(hald)

cor(hald)

result <- mle.aic(y.hald~x.hald)

summary(result,num.max=10)

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。