Rの基本パッケージ中の回帰、分散分析関数一覧
をテンプレートにして作成
[
トップ
] [
新規
|
一覧
|
検索
|
最終更新
|
ヘルプ
]
開始行:
// 間瀬 2004/09/14
COLOR(red){SIZE(18){R の回帰分析と分散分析関数の簡易一覧}}
Rは回帰分析関連の関数を多数持ち、統計解析機能の中心的位置...
以下では、線形(重)回帰モデル、一般化線形モデル、非線型回...
現代的手法用の関数を紹介する。現代的な統計理論では、分散...
普通であるため、分散分析関連の関数もここで一緒に紹介する...
#contents
* 線形回帰モデル
** 線形モデルを当てはめる lm()
関数 lm() は線形モデルの当てはめに使われる。回帰分析、お...
分散・共分散分析を行える(後者に付いては aov() 関数の方が...
lm(formula, data, subset, weights, na.action,
method = "qr", model = TRUE, x = FALSE, y = FALSE, qr...
singular.ok = TRUE, contrasts = NULL, offset, ...)
** 回帰診断 lm.influence()
回帰当てはめの善し悪しを検査するための広範囲な診断手順に...
influence(model, ...)
## クラス "lm" に対する S3 メソッド:
influence(model, do.coef = TRUE, ...)
## クラス "glm" に対する S3 メソッド:
influence(model, do.coef = TRUE, ...)
lm.influence(model, do.coef = TRUE)
** 線形モデルの当てはめ関数 lm.fit()
線形モデルを当てはめる lm() から呼び出される、基本計算エ...
経験あるユーザでなければ直接使うべきではない。
lm.fit (x, y, offset=NULL, method="qr",
tol=1e-7, singular.ok=TRUE, ...)
lm.wfit(x, y, w, offset=NULL, method="qr",
tol=1e-7, singular.ok=TRUE, ...)
** lm オブジェクトの診断図 plot.lm()
lm オブジェクトの診断図を描く。現在 4 種類のプロット(whic...
が提供されている：当てはめ値に対する残差プロット、当ては...
sqrt(|residuals|) の Scale-Location プロット、正規 Q-Q プ...
行ラベルに対する Cook の距離のプロットである。
## クラス "lm" に対する S3 メソッド：
plot(x, which = 1:4,
caption = c("Residuals vs Fitted", "Normal Q-Q plot",
"Scale-Location plot", "Cook's distance...
panel = points, sub.caption = deparse(x$call), main...
ask = prod(par("mfcol")) < length(which) && dev.int...
..., id.n = 3, labels.id = names(residuals(x)), cex...
** 線形モデルによる予測 predict.lm()
線形モデルオブジェクトに基づく予測メソッドである。
## クラス "lm" に対する S3 メソッド
predict(object, newdata, se.fit = FALSE, scale = NULL, d...
interval = c("none", "confidence", "prediction"),
level = 0.95, type = c("response", "terms"),
terms = NULL, na.action = na.pass, ...)
** 線形モデル当てはめの要約 summary.lm()
クラス "lm" に対する summary メソッドである。
## クラス "lm" に対する S3 メソッド
summary(object, correlation = FALSE, symbolic.cor = FALS...
## クラス "lm" に対する S3 メソッド
print(x, digits = max(3, getOption("digits") - 3),
symbolic.cor = x$symbolic.cor,
signif.stars = getOption("show.signif.stars"), ...)
* 一般化線形回帰モデル
** 一般化線形モデルの当てはめ glm()
線形予測子と誤差分布のシンボリックな記述を指定して、
一般化線形モデルを当てはめる。
glm(formula, family = gaussian, data, weights, subset,
na.action, start = NULL, etastart, mustart,
offset, control = glm.control(...), model = TRUE,
method = "glm.fit", x = FALSE, y = TRUE, contrasts =...
glm.fit(x, y, weights = rep(1, nobs),
start = NULL, etastart = NULL, mustart = NULL,
offset = rep(0, nobs), family = gaussian(),
control = glm.control(), intercept = TRUE)
## クラス "glm" に対する S3 メソッド
weights(object, type = c("prior", "working"), ...)
** モデルファミリ family()
ファミリオブジェクトは glm() 関数等でモデルの詳細を指定す...
そのようなモデルを使った当てはめがどのように行われるかに...
参照せよ。
family(object, ...)
binomial(link = "logit")
gaussian(link ="identity")
Gamma(link = "inverse")
inverse.gaussian(link = "1/mu^2")
poisson(link = "log")
quasi(link = "identity", variance = "constant")
quasibinomial(link = "logit")
quasipoisson(link = "log")
** GLMファミリに対するリンクを作る make.link()
この関数は glm() 中の family() 関数とともに用いられる。
リンクを与えると、リンク関数、逆リンク関数、導関数 d mu/d...
領域チェックのための関数が返される。
make.link(link)
** 巾乗リンクオブジェクトを作る power()
リンク関数 eta = mu^lambda に基づくリンクオブジェクトを作...
power(lambda = 1)
** 一般化線形モデルによる予測 predict.glm()
一般化線形モデル当てはめオブジェクトから予測値を得たり、...
予測値の標準偏差を推定する。
## クラス "glm" に対する S3 メソッド
predict(object, newdata = NULL,
type = c("link", "response", "terms"),
se.fit = FALSE, dispersion = NULL, terms = NULL,
na.action = na.pass, ...)
** 一般化線形モデル当てはめ結果の要約 glm.summaries()
これらの関数はクラス "glm" もしくは "summary.glm" のオブ...
## クラス "glm" に対する S3 メソッド
summary(object, dispersion = NULL, correlation = FALSE,
symbolic.cor = FALSE, ...)
## クラス "summary.glm" に対する S3 メソッド
print(x, digits = max(3, getOption("digits") - 3),
symbolic.cor = x$symbolic.cor,
signif.stars = getOption("show.signif.stars"), ...)
** GLM 当てはめを制御する glm.control()
glm() による当てはめに対するユーザインタフェイスを与える
補助関数である。典型的には、glm() または glm.fit() を呼び...
使われる。
glm.control(epsilon=1e-8, maxit=25, trace=FALSE)
* 分散分析表
** 分散分析モデルの当てはめ aov()
lm() を各層に適用し、分散分析モデルを当てはめる。
aov(formula, data = NULL, projections = FALSE, qr = TRUE,
contrasts = NULL, ...)
** 分散分析表を作る anova()
一つまたは複数の当てはめオブジェクトから分散(または逸脱度...
anova(object, ...)
** 分散分析モデルの要約 summary.aov()
分散分析モデルの要約を与える。
## クラス aov に対する S3 メソッド
summary(object, intercept = FALSE, split,
expand.split = TRUE, keep.zero.df = TRUE, ...)
## クラス aovlist に対する S3 メソッド
summary(object, ...)
** 線形モデル当てはめ結果に対する分散分析 anova.lm()
一つ、もしくは複数の線形モデル当てはめ結果に対する分散分...
を計算する。
## クラス "lm" に対する S3 メソッド
anova(object, ...)
anova.lmlist(object, ..., scale = 0, test = "F")
** GLM の分散分析統計量 stat.anova()
これは anova(..., test != NULL) に対する lm() と glm() メ...
普通のユーザが使うべきではない。
stat.anova(table, test = c("Chisq", "F", "Cp"), scale, d...
** GLMモデル当てはめによる逸脱度分析表 anova.glm()
一つもしくは複数の一般化線形モデル当てはめ結果に対する逸...
## クラス "glm" に対する S3 メソッド
anova(object, ..., dispersion = NULL, test = NULL)
** 多変量分散分析 manova()
多変量分散分析に対するクラス属性を与える。
manova(...)
** 多変量分散分析に対する要約メソッド summary.manova()
多変量分散分析に対する要約メソッド関数である。
## クラス "manova" に対する S3 メソッド
summary(object,
test = c("Pillai", "Wilks", "Hotelling-Lawley", ...
intercept = FALSE, ...)
** Tukey の Honest Significant Difference 法 TukeyHSD()
TukeyHSD(x, which, ordered = FALSE, conf.level = 0.95, ....
* 非線形回帰モデル
** 非線形モデルの当てはめ nls()
非線形モデルパラメータを非線形最小自乗法で決定し、
クラス "nls" のオブジェクトを返す。
nls(formula, data = parent.frame(), start, control = nls...
algorithm = "default", trace = FALSE, subset,
weights, na.action, model = FALSE)
** nls オブジェクトからモデル式を取り出す formula.nls()
object を当てはめるために使われるモデルを返す。
## クラス "nls" に対する S3 メソッド
formula(x, ...)
** 非線形最小自乗当てはめの制御 nls.control()
nls() 関数による非線形最小自乗法アルゴリズムの幾つかの特...
ユーザが設定できるようにする。
nls.control(maxiter=50, tol=1e-05, minFactor=1/1024)
** nlsModel オブジェクトを作る nlsModel()
nlsModel オブジェクトを構成する。このオブジェクトは
リスト形式の幾つかの関数の関数閉包である。
この閉包は非線形モデル式、式に対するデータ値、そしてパラ...
値を含む。
nlsModel(form, data, start)
** "profile.nls" オブジェクトのプロット plot.profile.nls()
プロファイル関数の一連のプロットを表示し、nls() 関数で当...
プロファイルされた非線形回帰モデル中のパラメータに対する...
## クラス "profile.nls" に対する S3 メソッド
plot(x, levels, conf= c(99, 95, 90, 80, 50)/100,
nseg = 50, absVal =TRUE, ...)
** 非線形回帰モデルによる予測 predict.nls()
フレーム newdata 中の回帰関数を評価して得られる
予測値を計算する。もし論理値 se.fit が TRUE なら、予測の...
もし数値引数 scale が設定(オプション df 付き)されていれば...
計算の過程で残差標準偏差として使われる。さもなければ、こ...
intervals は指定された水準 level で信頼区間、予測(許容)区...
指示する。現在のところ se.fit と interval は無視される。
## クラス "nls" に対する S3 メソッド
predict(object, newdata , se.fit = FALSE, scale = NULL, ...
interval=c("none","confidence","prediction"),lev...
** nls オブジェクトのプロファイル profile.nls()
nls オブジェクトの fitted で表される解の近傍での対数尤度...
## クラス "nls" に対する S3 メソッド
profile(fitted, which=1:npar, maxpts=100, alphamax=0.01,
delta.t=cutoff/5, ...)
** 非線型回帰オブジェクトに対するプロファイラを構成する p...
クラス "nls" の当てはめオブジェクトに対するプロファイラを...
## クラス "nls" に対する S3 メソッド
profiler(fitted, ...)
** 対数線形モデル loglin()
比率の当てはめの繰り返しにより、対数線形モデルを多元分類...
loglin(table, margin, start = rep(1, length(table)), fit...
eps = 0.1, iter = 20, param = FALSE, print = TRUE)
* 漸近回帰モデル
しばしば用いられる非線型回帰モデルを扱う関数を紹介する。
これらはモデル曲線が漸近線を持ち、それがパラメータ値に関...
漸近回帰モデル(asymptotic regression model)と呼ばれる。こ...
モデルパラメータの適切な初期推定値を見出すことが困難な問...
自己開始モデル(SS, Self-Start model)と呼ばれるメカニズム...
計算する手順自身をモデルに含むことを可能にする。
** 漸近回帰モデル NLSstAsymptotic()
xy データに b_0 + b_1 (1-exp(-exp(lrc) x) の形の
漸近回帰モデルを当てはめる。これはより複雑なモデルの初期...
使うことができる。
NLSstAsymptotic(xy)
** 漸近回帰関数とグラディエントの評価 SSasymp()
この「自己開始」モデルは漸近回帰関数とそのグラディエント...
これは与えられたデータセットに対しパラメータ Asym, R0, lr...
初期推定値を評価する「初期属性」を持つ。
SSasymp(input, Asym, R0, lrc)
** オフセットを持つ漸近回帰モデル SSasympOff()
もう一つのパラメータ化を持つ漸近回帰関数とそのグラディエ...
これはパラメータ Asym, lrc, c0 の初期推定値を計算する ini...
を持つ。
SSasympOff(input, Asym, lrc, c0)
** 原点を通る漸近回帰モデル SSasympOrig()
原点を通る漸近回帰モデルとそのグラディエントを評価する。
与えられたデータに対してパラメータ Asym と lrc の初期推定...
計算する initial 属性を持つ。
SSasympOrig(input, Asym, lrc)
** 二重指数モデル SSbiexp()
この自己開始モデルは二重指数モデルとそのグラディエントを...
これはパラメータ A1, lrc1, A2 そして lrc2 の初期推定値を
生成する "initial" 属性を持つ。
SSbiexp(input, A1, lrc1, A2, lrc2)
** 自己開始型非線型モデル selfStart()
自己開始型非線型モデル(SS, self-start non-linear model) ...
selfStart(model, initial, parameters, template)
** 非線型回帰モデルのパラメータ初期値を求める getInitial()
非線型回帰モデルに対する初期パラメータ推定値を求める。
もし data がパラメータ化されたデータフレームか、pframe オ...
その parameter 属性が返される。さもなければ、オブジェクト...
"initial" 属性を持つ selfStart オブジェクトへの呼び出しを...
検査される。
getInitial(object, data, ...)
** 一次のコンパートメントモデル SSfol()
この「自己開始」モデルは一次のコンパートメント関数とその...
パラメータ lKe, lKa, lCl の初期推定値を計算する "initial"...
SSfol(Dose, input, lKe, lKa, lCl)
** 4パラメータのロジスティックモデル SSfpl()
4パラメータロジスティック関数とそのグラディエントを評価す...
与えられたデータセットに対しパラメータ A, B, xmid そして ...
の初期推定値を評価する "initial" 属性を持つ。
SSfpl(input, A, B, xmid, scal)
** ゴンペルツ成長曲線モデル SSgompertz()
この自己開始モデルはゴンペルツ成長曲線モデルとそのグラデ...
パラメータ Asym, b2, b3 の初期推定値をつくり出すための "i...
属性を持つ。
SSgompertz(x, Asym, b2, b3)
** ロジスティックモデル SSlogis()
自己開始モデルであり、ロジスティック関数とそのグラディエ...
与えられたデータセットに対しパラメータ Asym, xmid, scal
の初期推定値を評価する initial 属性を持つ。
SSlogis(input, Asym, xmid, scal)
** Michaelis-Menten モデル SSmicmen()
Michaelis-Menten モデルとそのグラディエントを評価する。
与えられたデータセットに対しパラメータ Vm, K
の初期推定値を評価する initial 属性を持つ。
SSmicmen(input, Vm, K)
** ワイブル成長モデル SSweibull()
ワイブル成長モデルとそのグラディエントを評価する自己開始...
与えられたデータセットに対しパラメータ Asym, Drop, lrc ...
の初期推定値を評価する "initial" 属性を持つ。
SSweibull(x, Asym, Drop, lrc, pwr)
** 漸近回帰モデルのその他の補助関数
\begin{itemize}
\item sortedXyData(x, y, data)：
x, y 座標データから関数を表す散布図データを計算する。
自己開始モデルに対する initial 関数の内部で使われる。
\item NLSstClosestX(xy, yval)
：関数を表す散布図データ xy (sortedXyData()
関数の返り値オブジェクト) から、線形補間により値が ...
\item NLSstLfAsymptote(xy)：
sortedXyData() 関数の返り値オブジェクトから、関数の
左側水平漸近値の初期推定を行う。自己開始モデルに対...
\item NLSstRtAsymptote(xy)：
sortedXyData() 関数の返り値オブジェクトから、関数の
右側水平漸近値の初期推定を行う。自己開始モデルに対...
\end{itemize}
* 回帰モデル用補助関数
** モデルに一つの項を加える、取り去る add1()
モデルに付け加えることのできる、また取り去ることのできる...
求め、対応するモデルを当てはめ、そして当てはめ結果の差異...
add1(object, scope, ...)
## 既定の S3 メソッド:
add1(object, scope, scale = 0, test = c("none", "Chisq"),
k = 2, trace = FALSE, ...)
## クラス "lm" に対する S3 メソッド
add1(object, scope, scale = 0, test = c("none", "Chisq",...
x = NULL, k = 2, ...)
## クラス "glm" に対する S3 メソッド
add1(object, scope, scale = 0, test = c("none", "Chisq",...
x = NULL, k = 2, ...)
## 既定の S3 メソッド:
drop1(object, scope, scale = 0, test = c("none", "Chisq"),
k = 2, trace = FALSE, ...)
## クラス "lm" に対する S3 メソッド
drop1(object, scope, scale = 0, all.cols = TRUE,
test=c("none", "Chisq", "F"),k = 2, ...)
## クラス "glm" に対する S3 メソッド
drop1(object, scope, scale = 0, test = c("none", "Chisq"...
k = 2, ...)
** エイリアス alias()
モデル式指定された線形モデル中のエイリアス(別名、alias)、...
を見付ける。
alias(object, ...)
## クラス "formula" に対する S3 メソッド
alias(object, data, ...)
## クラス "lm" に対する S3 メソッド
alias(object, complete = TRUE, partial = FALSE,
partial.pattern = FALSE, ...)
** モデルのケースと変数名 case.names(), variable.names()
当てはめモデルの(欠けていない)ケース名や、(除去されていな...
返す簡単なユーティリティである。
## クラス "lm" に対する S3 メソッド
case.names(object, full = FALSE, ...)
## クラス "lm" に対する S3 メソッド
variable.names(object, full = FALSE, ...)
** 対比行列の作成
対比行列 (contrast matrix) を返す。
contr.helmert(n, contrasts = TRUE)
contr.poly(n, scores = 1:n, contrasts = TRUE)
contr.sum(n, contrasts = TRUE)
contr.treatment(n, base = 1, contrasts = TRUE)
** 対比の設定・閲覧 contrasts()
ある因子に関連する対比を設定したり、閲覧したりする。
contrasts(x, contrasts = TRUE)
contrasts(x, how.many) <- value
** 因子に対比を設定する C()
因子に対比属性 "contrasts" を設定する。
C(object, contr, how.many, ...)
** 本来のコーディングで回帰係数を取り出す dummy.coef()
この関数はコード化されたものではなく、本来の名前で係数を...
dummy.coef(object, ...)
## クラス "lm" に対する S3 メソッド
dummy.coef(object, use.na = FALSE, ...)
## クラス "aovlist" に対する S3 メソッド
dummy.coef(object, use.na = FALSE, ...)
** 当てはめモデルからの影響 effects()
当てはめモデル、普通線形モデル、から(直交化された)効果を...
これは総称的関数であるが、現在クラス "lm"と "glm" を継承...
に対するメソッドだけを持つ。
effects(object, ...)
## クラス "lm" に対する S3 メソッド
effects(object, set.sign=FALSE, ...)
** 取り除きによる回帰診断 influence.measures()
この一連の関数は Belsley, Kuh \& Welsch~\cite{Belsleyetal...
論じられている、線形モデルと一般化線形モデルに対する幾つ...
計算するのに使うことができる。
influence.measures(model)
rstandard(model, ...)
## クラス "lm" に対する S3 メソッド
rstandard(model, infl = lm.influence(model, do.coef=FALS...
sd = sqrt(deviance(model)/df.residual(model)),...
## クラス "glm" に対する S3 メソッド
rstandard(model, infl = lm.influence(model, do.coef=FALS...
rstudent(model, ...)
## クラス "lm" に対する S3 メソッド
rstudent(model, infl = lm.influence(model, do.coef=FALSE),
res = infl$wt.res, ...)
## クラス "glm" に対する S3 メソッド
rstudent(model, infl = influence(model, do.coef=FALSE), ...
dffits(model, infl = , res = )
dfbeta(model, ...)
## クラス "lm" に対する S3 メソッド
dfbeta(model, infl = lm.influence(model, do.coef=TRU...
dfbetas(model, ...)
## クラス "lm" に対する S3 メソッド
dfbetas(model, infl = lm.influence(model, do.coef=TRUE),...
covratio(model, infl = lm.influence(model, do.coef=FALSE),
res = weighted.residuals(model))
cooks.distance(model, ...)
## クラス "lm" に対する S3 メソッド
cooks.distance(model, infl = lm.influence(model, do.coef...
res = weighted.residuals(model),
sd = sqrt(deviance(model)/df.residual(mod...
hat = infl$hat, ...)
## クラス "lm" に対する S3 メソッド
cooks.distance(model, infl = influence(model, do.coef=FA...
res = infl$pear.res,
dispersion = summary(model)$dispersion,
hat = infl$hat, ...)
hatvalues(model, ...)
## クラス "lm" に対する S3 メソッド
hatvalues(model, infl = lm.influence(model, do.coef=FALS...
hat(x, intercept = TRUE)
** 回帰モデルの対数尤度を取り出す logLik()
この関数は総称的である。特定のクラスのオブジェクトに対す...
この関数に対するメソッドを既に持つ関数には glm(), lm(), ...
lme() そしてパッケージ nlme 中の関数がある。
## クラス "lm" に対する S3 メソッド
logLik(object, REML = FALSE, ...)
** モデルフレーム model.frame()
総称的関数 model.frame() とそのメソッドは formula を使用...
任意の追加引数 ... を含むデータフレームを返す。
## 既定の S3 メソッド
model.frame(formula, data = NULL,
subset = NULL, na.action = na.fail,
drop.unused.levels = FALSE, xlev = NULL, ...)
## クラス "aovlist" に対する S3 メソッド
model.frame(formula, data = NULL, ...)
## クラス "glm" に対する S3 メソッド
model.frame(formula, ...)
## クラス "lm" に対する S3 メソッド
model.frame(formula, ...)
** 計画行列 model.matrix()
計画行列 (design matrix) を作る。
## 既定の S3 メソッド:
model.matrix(object, data = environment(object),
contrasts.arg = NULL, xlev = NULL, ...)
** データの線形モデル空間への射影 proj()
データを線形モデルの項の空間へ射影した行列もしくは行列の...
aov() モデルで最もしばしば使われる。
## クラス "aov" に対する S3 メソッド
proj(object, onedf = FALSE, unweighted.scale = FALSE, .....
## クラス "aovlist" に対する S3 メソッド
proj(object, onedf = FALSE, unweighted.scale = FALSE, .....
## 既定の S3 メソッド
proj(object, onedf = TRUE, ...)
## クラス "lm" に対する S3 メソッド
proj(object, onedf = FALSE, unweighted.scale = FALSE, .....
** 当てはめモデルの共分散行列を計算する vcov()
当てはめモデルオブジェクトの主要パラメータの分散共分散行...
vcov(object, ...)
** モデル式 formula()
総称的関数 formula() とその個別のメソッドは、他のオブジェ...
モデル式を取り出す。as.formula() はほとんど同一であるが o...
"formula" 属性を継承している際に、属性を保存する。env 引...
モデル式が環境を欠いている場合にだけ使われる。
formula(x, ...)
as.formula(object, env = parent.frame())
** パターンによる因子水準 gl()
パターンを与えて因子の水準を作成する。
gl(n, k, length = n*k, labels = 1:n, ordered = FALSE)
** モデル式にオフセット項を含める offset()
オフセットとは一般化線形モデルに於けるような線形予測子に...
係数は既知の係数 1 を持ち、推定されることは無い。
offset(object)
** そのまま関数 I()
I() はオブジェクトが、文字通りの意味で解釈されるべきことを
指示する様にクラスを変更する。
I(x)
** モデル項 terms()
関数 terms() は総称的関数で、様々な R データオブジェクト...
を取り出すことができる。
terms(x, ...)
** 射影追跡回帰 ppr()
射影追跡回帰モデル(projection pursuit regression model)を...
ppr(x, ...)
## クラス "formula" に対する S3 メソッド
ppr(formula, data, weights, subset, na.action,
contrasts = NULL, ..., model = FALSE)
## 既定の S3 メソッド
ppr(x, y, weights = rep(1,n),
ww = rep(1,q), nterms, max.terms = nterms, optlevel ...
sm.method = c("supsmu", "spline", "gcvspline"),
bass = 0, span = 0, df = 5, gcvpen = 1, ...)
** モデルフレームの変数のタイプを検査する .checkMFClasses()
.checkMFClasses() は予測メソッドで使われる変数が、当ては...
それらとタイプが一致するかどうかを検査する。
.MFclass() はこのために変数を類別する。
.checkMFClasses(cl, m, ordNotOK = FALSE)
.MFclass(x)
.getXlevels(Terms, m)
** モデルの係数を取り出す coef()
coef() はモデリング関数が返すオブジェクトからモデル係数を...
coefficients() はその別称である。
coef(object, ...)
coefficients(object, ...)
** モデルパラメータの信頼区間 confint()
当てはめモデルの一つもしくは複数のパラメータに対する信頼...
クラス "lm" を継承するオブジェクトに対するメソッドを持つ。
confint(object, parm, level = 0.95, ...)
** モデルの逸脱度 deviance()
当てはめモデルの逸脱度(deviance)を返す。
deviance(object, ...)
** モデルフレームに新しい変数を加える expand.model.frame()
新しい変数を、それが指定モデルのモデル式の一部であるかの...
同じ na.action と subset 引数が適用されることが保証され、...
使ったモデルに対し x がモデルから復元できることを保証する。
expand.model.frame(model, extras, envir=environment(form...
na.expand = FALSE)
** AIC 規準 AIC()
式 -2 log(-尤度) + k x npar により、尤度が計算できるよう...
赤池の情報量規準を計算する総称的関数である。ここで npar ...
パラメータ数で、k=2 なら通常の AIC、k=\log n (n は観測値...
BIC または SBC (Schwarz のベイズ規準)となる。
AIC(object, ..., k = 2)
** 当てはめモデルのAIC規準を計算 extractAIC()
当てはめパラメトリックモデルに対する(一般化)赤池情報量規...
extractAIC(fit, scale, k = 2, ...)
** モデル当てはめ値を取り出す fitted()
fitted() はモデリング関数が返すオブジェクトから当てはめ値...
fitted.values() はその別称である。
モデリング関数が返す全てのオブジェクトクラスは fitted メ...
(総称的関数は fitted() であり fitted.values() でないこと...
メソッドは欠損値の除外を補整する napredict メソッドを利用...
既定では lm と glm メソッドが利用している。
fitted(object, ...)
fitted.values(object, ...)
** モデルが空かどうか検査する is.empty.model()
R のモデル式表記は切片項も説明変数もないモデルを許す。
これは内部的に特殊な扱いを必要とする。
is.empty.model() はオブジェクトが空のモデルかどうかを検査...
is.empty.model(x)
** model.tables を作る make.tables.aovproj()
これらは model.tables() (のメソッド関数)の支援関数であり...
使い途は無い。
make.tables.aovproj(proj.cols, mf.cols, prjs, mf,
fun = "mean", prt = FALSE, ...)
make.tables.aovprojlist(proj.cols, strata.cols, model.co...
model, eff, fun = "mean", prt = ...
** モデルフレームから成分を取り出す model.extract()
model.frame の目的変数、オフセット、
部分集合、重み、もしくはオプション引数として引き渡された...
model.extract(frame, component)
model.offset(x)
model.response(data, type = "any")
model.weights(x)
** 分散分析モデルの結果から表を計算する model.tables()
モデル当てはめ、特に複雑な aov 当てはめ、に対する要約表を...
model.tables(x, ...)
## クラス "aov" に対する S3 メソッド
model.tables(x, type = "effects", se = FALSE, cterms, ...)
## クラス "aovlist" に対する S3 メソッド
model.tables(x, type = "effects", se = FALSE, ...)
** 予測 predict()
predict() は様々なモデル当てはめ関数の結果から、予測を行...
この関数は最初の引数のクラスに依存する、特定のメソッド関...
predict (object, ...)
** プロファイリングモデルに対する総称的関数 profile()
fitted で表される解の近くでの目的関数の挙動を調べる。
これ以上の詳細はメソッド関数のドキュメントを見よ。
profile(fitted, ...)
** 非線形モデルに対するプロファイラオブジェクト profiler()
モデルオブジェクト fitted に対するプロファイラオブジェク...
profiler(fitted, ...)
** モデルの射影 proj()
データの線形モデル項の上への射影を与える行列もしくは行列...
を返す。これは最もしばしば aov モデルで使われる。
proj(object, ...)
## クラス "aov" に対する S3 メソッド
proj(object, onedf = FALSE, unweighted.scale = FALSE, .....
## クラス "aovlist" に対する S3 メソッド
proj(object, onedf = FALSE, unweighted.scale = FALSE, .....
## 既定の S3 メソッド
proj(object, onedf = TRUE, ...)
## クラス "lm" に対する S3 メソッド
proj(object, onedf = FALSE, unweighted.scale = FALSE, .....
** モデルの残差を取り出す residuals()
モデリング関数が返すオブジェクトから、モデル残差を取り出...
省略形 resid() は residuals() の別名である。これはユーザ...
直接参照すること無く、アクセス関数でオブジェクト成分にア...
している。
モデリング関数が返す全てのオブジェクトクラスは residuals ...
(メソッドは residuals() であり resid() ではないことを注意...
既定のメソッドがそうであるように、メソッドは欠損値の除外...
residuals(object, ...)
resid(object, ...)
** モデル項の対比の標準誤差 se.contrast()
aov オブジェクト中の一つ、もしくは複数の対比の標準誤差を...
se.contrast(object, ...)
## クラス "aov" に対する S3 メソッド
se.contrast(object, contrast.obj,
coef = contr.helmert(ncol(contrast))[, 1],
data = NULL, ...)
** 変数増減による AIC モデル選択 step()
変数をステップ毎に増減し、AIC 規準でモデルを選択する。
step(object, scope, scale = 0,
direction = c("both", "backward", "forward"),
trace = 1, keep = NULL, steps = 1000, k = 2, ...)
** モデルの更新と再当てはめ update()
update() はモデルを更新し(既定では)再当てはめする。これは...
保管された呼出し記録を取り出し、それを更新し、(既定では)...
例えばデータフレームが強制変換されてしまったときなど、upd...
で呼び出すことが役に立つこともある。
update(object, ...)
## 既定の S3 method:
update(object, formula., ..., evaluate = TRUE)
** モデルの更新 update.formula()
update.formula() はモデル式を更新するのに使われる。これは...
項を加えたり、取り除いたりすることを意味するが、しかし更...
一般的であり得る。
## クラス "formula" に対する S3 メソッド
update(old, new, ...)
** 片側モデル式への変換 asOneSidedFormula()
名前、表現式、数値 そして文字列を片側モデル式に変換する。
もし object がモデル式なら、それは片側式でなければならず...
そのまま返される。
asOneSidedFormula(object)
** term オブジェクトを修正する delete.response()
delete.response() は同じモデルに対する目的変数を持たない ...
drop.terms() はモデルの右辺から変数を取り除く。
同じことを(keep.response=TRUE 付きで)行う "[.terms" メソ...
reformulate() は文字列からモデル式を作る。
delete.response(termobj)
reformulate(termlabels, response = NULL)
drop.terms(termobj, dropx = NULL, keep.response = FALSE)
** モデル式に追加・除去可能な項を計算 factor.scope()
add.scope() と drop.scope() はモデルから、項の階層性を保...
項を計算する。
add.scope(terms1, terms2)
drop.scope(terms1, terms2)
factor.scope(factor, scope)
** モデル式から term オブジェクトを作る terms.formula()
この関数はモデル式をと幾つかのオプションを引数に取り、ter...
term オブジェクトは model.matrix を作るのに使うことができ...
## クラス "formula" に対する S3 メソッド
terms(x, specials = NULL, abb = NULL, data = NULL, neg.o...
keep.order = FALSE, simplify = FALSE, ...)
** 線形モデル当てはめ要約 lm.summaries()
これら全ての関数はクラス "lm" のオブジェクトに対するメソ...
線形モデル当てはめ情報を取り出す。
## クラス lm に対する S3 メソッド
family(object, ...)
## クラス lm に対する S3 メソッド
formula(x, ...)
## クラス lm に対する S3 メソッド
residuals(object, type=c("working","response","deviance"...
weights(object, ...)
** 安全な予測用の補助関数 makepredictcall()
model.frame.default() を支援する補助関数 makepredictcall(...
poly や ns といった項を持つモデルから予測を行う際の正しい...
makepredictcall(var, call)
** 直交多項式 poly(), polym()
指定された点集合 x 上の、
次数 1 から degree までの直交多項式を返す。これらは全て
次数 0 の定数値多項式とも直交する。
poly(x, ..., degree = 1, coefs = NULL)
polym(..., degree = 1)
## クラス "poly" に対するメソッド
predict(object, newdata, ...)
** 因子へのコード化 factor()
関数 factor() はベクトルを因子にコード化する (名前カテゴ...
また因子として使用される)。もし ordered = TRUE なら因子水...
S との互換性のために、関数 ordered() もある。
is.factor(), is.ordered(), as.factor() そして as.ordered(...
これらのクラスの所属関数と強制変換関数である。
factor(x, levels = sort(unique.default(x), na.last = TRU...
labels = levels, exclude = NA, ordered = is.order...
ordered(x, ...)
is.factor(x)
is.ordered(x)
as.factor(x)
as.ordered(x)
終了行:
// 間瀬 2004/09/14
COLOR(red){SIZE(18){R の回帰分析と分散分析関数の簡易一覧}}
Rは回帰分析関連の関数を多数持ち、統計解析機能の中心的位置...
以下では、線形(重)回帰モデル、一般化線形モデル、非線型回...
現代的手法用の関数を紹介する。現代的な統計理論では、分散...
普通であるため、分散分析関連の関数もここで一緒に紹介する...
#contents
* 線形回帰モデル
** 線形モデルを当てはめる lm()
関数 lm() は線形モデルの当てはめに使われる。回帰分析、お...
分散・共分散分析を行える(後者に付いては aov() 関数の方が...
lm(formula, data, subset, weights, na.action,
method = "qr", model = TRUE, x = FALSE, y = FALSE, qr...
singular.ok = TRUE, contrasts = NULL, offset, ...)
** 回帰診断 lm.influence()
回帰当てはめの善し悪しを検査するための広範囲な診断手順に...
influence(model, ...)
## クラス "lm" に対する S3 メソッド:
influence(model, do.coef = TRUE, ...)
## クラス "glm" に対する S3 メソッド:
influence(model, do.coef = TRUE, ...)
lm.influence(model, do.coef = TRUE)
** 線形モデルの当てはめ関数 lm.fit()
線形モデルを当てはめる lm() から呼び出される、基本計算エ...
経験あるユーザでなければ直接使うべきではない。
lm.fit (x, y, offset=NULL, method="qr",
tol=1e-7, singular.ok=TRUE, ...)
lm.wfit(x, y, w, offset=NULL, method="qr",
tol=1e-7, singular.ok=TRUE, ...)
** lm オブジェクトの診断図 plot.lm()
lm オブジェクトの診断図を描く。現在 4 種類のプロット(whic...
が提供されている：当てはめ値に対する残差プロット、当ては...
sqrt(|residuals|) の Scale-Location プロット、正規 Q-Q プ...
行ラベルに対する Cook の距離のプロットである。
## クラス "lm" に対する S3 メソッド：
plot(x, which = 1:4,
caption = c("Residuals vs Fitted", "Normal Q-Q plot",
"Scale-Location plot", "Cook's distance...
panel = points, sub.caption = deparse(x$call), main...
ask = prod(par("mfcol")) < length(which) && dev.int...
..., id.n = 3, labels.id = names(residuals(x)), cex...
** 線形モデルによる予測 predict.lm()
線形モデルオブジェクトに基づく予測メソッドである。
## クラス "lm" に対する S3 メソッド
predict(object, newdata, se.fit = FALSE, scale = NULL, d...
interval = c("none", "confidence", "prediction"),
level = 0.95, type = c("response", "terms"),
terms = NULL, na.action = na.pass, ...)
** 線形モデル当てはめの要約 summary.lm()
クラス "lm" に対する summary メソッドである。
## クラス "lm" に対する S3 メソッド
summary(object, correlation = FALSE, symbolic.cor = FALS...
## クラス "lm" に対する S3 メソッド
print(x, digits = max(3, getOption("digits") - 3),
symbolic.cor = x$symbolic.cor,
signif.stars = getOption("show.signif.stars"), ...)
* 一般化線形回帰モデル
** 一般化線形モデルの当てはめ glm()
線形予測子と誤差分布のシンボリックな記述を指定して、
一般化線形モデルを当てはめる。
glm(formula, family = gaussian, data, weights, subset,
na.action, start = NULL, etastart, mustart,
offset, control = glm.control(...), model = TRUE,
method = "glm.fit", x = FALSE, y = TRUE, contrasts =...
glm.fit(x, y, weights = rep(1, nobs),
start = NULL, etastart = NULL, mustart = NULL,
offset = rep(0, nobs), family = gaussian(),
control = glm.control(), intercept = TRUE)
## クラス "glm" に対する S3 メソッド
weights(object, type = c("prior", "working"), ...)
** モデルファミリ family()
ファミリオブジェクトは glm() 関数等でモデルの詳細を指定す...
そのようなモデルを使った当てはめがどのように行われるかに...
参照せよ。
family(object, ...)
binomial(link = "logit")
gaussian(link ="identity")
Gamma(link = "inverse")
inverse.gaussian(link = "1/mu^2")
poisson(link = "log")
quasi(link = "identity", variance = "constant")
quasibinomial(link = "logit")
quasipoisson(link = "log")
** GLMファミリに対するリンクを作る make.link()
この関数は glm() 中の family() 関数とともに用いられる。
リンクを与えると、リンク関数、逆リンク関数、導関数 d mu/d...
領域チェックのための関数が返される。
make.link(link)
** 巾乗リンクオブジェクトを作る power()
リンク関数 eta = mu^lambda に基づくリンクオブジェクトを作...
power(lambda = 1)
** 一般化線形モデルによる予測 predict.glm()
一般化線形モデル当てはめオブジェクトから予測値を得たり、...
予測値の標準偏差を推定する。
## クラス "glm" に対する S3 メソッド
predict(object, newdata = NULL,
type = c("link", "response", "terms"),
se.fit = FALSE, dispersion = NULL, terms = NULL,
na.action = na.pass, ...)
** 一般化線形モデル当てはめ結果の要約 glm.summaries()
これらの関数はクラス "glm" もしくは "summary.glm" のオブ...
## クラス "glm" に対する S3 メソッド
summary(object, dispersion = NULL, correlation = FALSE,
symbolic.cor = FALSE, ...)
## クラス "summary.glm" に対する S3 メソッド
print(x, digits = max(3, getOption("digits") - 3),
symbolic.cor = x$symbolic.cor,
signif.stars = getOption("show.signif.stars"), ...)
** GLM 当てはめを制御する glm.control()
glm() による当てはめに対するユーザインタフェイスを与える
補助関数である。典型的には、glm() または glm.fit() を呼び...
使われる。
glm.control(epsilon=1e-8, maxit=25, trace=FALSE)
* 分散分析表
** 分散分析モデルの当てはめ aov()
lm() を各層に適用し、分散分析モデルを当てはめる。
aov(formula, data = NULL, projections = FALSE, qr = TRUE,
contrasts = NULL, ...)
** 分散分析表を作る anova()
一つまたは複数の当てはめオブジェクトから分散(または逸脱度...
anova(object, ...)
** 分散分析モデルの要約 summary.aov()
分散分析モデルの要約を与える。
## クラス aov に対する S3 メソッド
summary(object, intercept = FALSE, split,
expand.split = TRUE, keep.zero.df = TRUE, ...)
## クラス aovlist に対する S3 メソッド
summary(object, ...)
** 線形モデル当てはめ結果に対する分散分析 anova.lm()
一つ、もしくは複数の線形モデル当てはめ結果に対する分散分...
を計算する。
## クラス "lm" に対する S3 メソッド
anova(object, ...)
anova.lmlist(object, ..., scale = 0, test = "F")
** GLM の分散分析統計量 stat.anova()
これは anova(..., test != NULL) に対する lm() と glm() メ...
普通のユーザが使うべきではない。
stat.anova(table, test = c("Chisq", "F", "Cp"), scale, d...
** GLMモデル当てはめによる逸脱度分析表 anova.glm()
一つもしくは複数の一般化線形モデル当てはめ結果に対する逸...
## クラス "glm" に対する S3 メソッド
anova(object, ..., dispersion = NULL, test = NULL)
** 多変量分散分析 manova()
多変量分散分析に対するクラス属性を与える。
manova(...)
** 多変量分散分析に対する要約メソッド summary.manova()
多変量分散分析に対する要約メソッド関数である。
## クラス "manova" に対する S3 メソッド
summary(object,
test = c("Pillai", "Wilks", "Hotelling-Lawley", ...
intercept = FALSE, ...)
** Tukey の Honest Significant Difference 法 TukeyHSD()
TukeyHSD(x, which, ordered = FALSE, conf.level = 0.95, ....
* 非線形回帰モデル
** 非線形モデルの当てはめ nls()
非線形モデルパラメータを非線形最小自乗法で決定し、
クラス "nls" のオブジェクトを返す。
nls(formula, data = parent.frame(), start, control = nls...
algorithm = "default", trace = FALSE, subset,
weights, na.action, model = FALSE)
** nls オブジェクトからモデル式を取り出す formula.nls()
object を当てはめるために使われるモデルを返す。
## クラス "nls" に対する S3 メソッド
formula(x, ...)
** 非線形最小自乗当てはめの制御 nls.control()
nls() 関数による非線形最小自乗法アルゴリズムの幾つかの特...
ユーザが設定できるようにする。
nls.control(maxiter=50, tol=1e-05, minFactor=1/1024)
** nlsModel オブジェクトを作る nlsModel()
nlsModel オブジェクトを構成する。このオブジェクトは
リスト形式の幾つかの関数の関数閉包である。
この閉包は非線形モデル式、式に対するデータ値、そしてパラ...
値を含む。
nlsModel(form, data, start)
** "profile.nls" オブジェクトのプロット plot.profile.nls()
プロファイル関数の一連のプロットを表示し、nls() 関数で当...
プロファイルされた非線形回帰モデル中のパラメータに対する...
## クラス "profile.nls" に対する S3 メソッド
plot(x, levels, conf= c(99, 95, 90, 80, 50)/100,
nseg = 50, absVal =TRUE, ...)
** 非線形回帰モデルによる予測 predict.nls()
フレーム newdata 中の回帰関数を評価して得られる
予測値を計算する。もし論理値 se.fit が TRUE なら、予測の...
もし数値引数 scale が設定(オプション df 付き)されていれば...
計算の過程で残差標準偏差として使われる。さもなければ、こ...
intervals は指定された水準 level で信頼区間、予測(許容)区...
指示する。現在のところ se.fit と interval は無視される。
## クラス "nls" に対する S3 メソッド
predict(object, newdata , se.fit = FALSE, scale = NULL, ...
interval=c("none","confidence","prediction"),lev...
** nls オブジェクトのプロファイル profile.nls()
nls オブジェクトの fitted で表される解の近傍での対数尤度...
## クラス "nls" に対する S3 メソッド
profile(fitted, which=1:npar, maxpts=100, alphamax=0.01,
delta.t=cutoff/5, ...)
** 非線型回帰オブジェクトに対するプロファイラを構成する p...
クラス "nls" の当てはめオブジェクトに対するプロファイラを...
## クラス "nls" に対する S3 メソッド
profiler(fitted, ...)
** 対数線形モデル loglin()
比率の当てはめの繰り返しにより、対数線形モデルを多元分類...
loglin(table, margin, start = rep(1, length(table)), fit...
eps = 0.1, iter = 20, param = FALSE, print = TRUE)
* 漸近回帰モデル
しばしば用いられる非線型回帰モデルを扱う関数を紹介する。
これらはモデル曲線が漸近線を持ち、それがパラメータ値に関...
漸近回帰モデル(asymptotic regression model)と呼ばれる。こ...
モデルパラメータの適切な初期推定値を見出すことが困難な問...
自己開始モデル(SS, Self-Start model)と呼ばれるメカニズム...
計算する手順自身をモデルに含むことを可能にする。
** 漸近回帰モデル NLSstAsymptotic()
xy データに b_0 + b_1 (1-exp(-exp(lrc) x) の形の
漸近回帰モデルを当てはめる。これはより複雑なモデルの初期...
使うことができる。
NLSstAsymptotic(xy)
** 漸近回帰関数とグラディエントの評価 SSasymp()
この「自己開始」モデルは漸近回帰関数とそのグラディエント...
これは与えられたデータセットに対しパラメータ Asym, R0, lr...
初期推定値を評価する「初期属性」を持つ。
SSasymp(input, Asym, R0, lrc)
** オフセットを持つ漸近回帰モデル SSasympOff()
もう一つのパラメータ化を持つ漸近回帰関数とそのグラディエ...
これはパラメータ Asym, lrc, c0 の初期推定値を計算する ini...
を持つ。
SSasympOff(input, Asym, lrc, c0)
** 原点を通る漸近回帰モデル SSasympOrig()
原点を通る漸近回帰モデルとそのグラディエントを評価する。
与えられたデータに対してパラメータ Asym と lrc の初期推定...
計算する initial 属性を持つ。
SSasympOrig(input, Asym, lrc)
** 二重指数モデル SSbiexp()
この自己開始モデルは二重指数モデルとそのグラディエントを...
これはパラメータ A1, lrc1, A2 そして lrc2 の初期推定値を
生成する "initial" 属性を持つ。
SSbiexp(input, A1, lrc1, A2, lrc2)
** 自己開始型非線型モデル selfStart()
自己開始型非線型モデル(SS, self-start non-linear model) ...
selfStart(model, initial, parameters, template)
** 非線型回帰モデルのパラメータ初期値を求める getInitial()
非線型回帰モデルに対する初期パラメータ推定値を求める。
もし data がパラメータ化されたデータフレームか、pframe オ...
その parameter 属性が返される。さもなければ、オブジェクト...
"initial" 属性を持つ selfStart オブジェクトへの呼び出しを...
検査される。
getInitial(object, data, ...)
** 一次のコンパートメントモデル SSfol()
この「自己開始」モデルは一次のコンパートメント関数とその...
パラメータ lKe, lKa, lCl の初期推定値を計算する "initial"...
SSfol(Dose, input, lKe, lKa, lCl)
** 4パラメータのロジスティックモデル SSfpl()
4パラメータロジスティック関数とそのグラディエントを評価す...
与えられたデータセットに対しパラメータ A, B, xmid そして ...
の初期推定値を評価する "initial" 属性を持つ。
SSfpl(input, A, B, xmid, scal)
** ゴンペルツ成長曲線モデル SSgompertz()
この自己開始モデルはゴンペルツ成長曲線モデルとそのグラデ...
パラメータ Asym, b2, b3 の初期推定値をつくり出すための "i...
属性を持つ。
SSgompertz(x, Asym, b2, b3)
** ロジスティックモデル SSlogis()
自己開始モデルであり、ロジスティック関数とそのグラディエ...
与えられたデータセットに対しパラメータ Asym, xmid, scal
の初期推定値を評価する initial 属性を持つ。
SSlogis(input, Asym, xmid, scal)
** Michaelis-Menten モデル SSmicmen()
Michaelis-Menten モデルとそのグラディエントを評価する。
与えられたデータセットに対しパラメータ Vm, K
の初期推定値を評価する initial 属性を持つ。
SSmicmen(input, Vm, K)
** ワイブル成長モデル SSweibull()
ワイブル成長モデルとそのグラディエントを評価する自己開始...
与えられたデータセットに対しパラメータ Asym, Drop, lrc ...
の初期推定値を評価する "initial" 属性を持つ。
SSweibull(x, Asym, Drop, lrc, pwr)
** 漸近回帰モデルのその他の補助関数
\begin{itemize}
\item sortedXyData(x, y, data)：
x, y 座標データから関数を表す散布図データを計算する。
自己開始モデルに対する initial 関数の内部で使われる。
\item NLSstClosestX(xy, yval)
：関数を表す散布図データ xy (sortedXyData()
関数の返り値オブジェクト) から、線形補間により値が ...
\item NLSstLfAsymptote(xy)：
sortedXyData() 関数の返り値オブジェクトから、関数の
左側水平漸近値の初期推定を行う。自己開始モデルに対...
\item NLSstRtAsymptote(xy)：
sortedXyData() 関数の返り値オブジェクトから、関数の
右側水平漸近値の初期推定を行う。自己開始モデルに対...
\end{itemize}
* 回帰モデル用補助関数
** モデルに一つの項を加える、取り去る add1()
モデルに付け加えることのできる、また取り去ることのできる...
求め、対応するモデルを当てはめ、そして当てはめ結果の差異...
add1(object, scope, ...)
## 既定の S3 メソッド:
add1(object, scope, scale = 0, test = c("none", "Chisq"),
k = 2, trace = FALSE, ...)
## クラス "lm" に対する S3 メソッド
add1(object, scope, scale = 0, test = c("none", "Chisq",...
x = NULL, k = 2, ...)
## クラス "glm" に対する S3 メソッド
add1(object, scope, scale = 0, test = c("none", "Chisq",...
x = NULL, k = 2, ...)
## 既定の S3 メソッド:
drop1(object, scope, scale = 0, test = c("none", "Chisq"),
k = 2, trace = FALSE, ...)
## クラス "lm" に対する S3 メソッド
drop1(object, scope, scale = 0, all.cols = TRUE,
test=c("none", "Chisq", "F"),k = 2, ...)
## クラス "glm" に対する S3 メソッド
drop1(object, scope, scale = 0, test = c("none", "Chisq"...
k = 2, ...)
** エイリアス alias()
モデル式指定された線形モデル中のエイリアス(別名、alias)、...
を見付ける。
alias(object, ...)
## クラス "formula" に対する S3 メソッド
alias(object, data, ...)
## クラス "lm" に対する S3 メソッド
alias(object, complete = TRUE, partial = FALSE,
partial.pattern = FALSE, ...)
** モデルのケースと変数名 case.names(), variable.names()
当てはめモデルの(欠けていない)ケース名や、(除去されていな...
返す簡単なユーティリティである。
## クラス "lm" に対する S3 メソッド
case.names(object, full = FALSE, ...)
## クラス "lm" に対する S3 メソッド
variable.names(object, full = FALSE, ...)
** 対比行列の作成
対比行列 (contrast matrix) を返す。
contr.helmert(n, contrasts = TRUE)
contr.poly(n, scores = 1:n, contrasts = TRUE)
contr.sum(n, contrasts = TRUE)
contr.treatment(n, base = 1, contrasts = TRUE)
** 対比の設定・閲覧 contrasts()
ある因子に関連する対比を設定したり、閲覧したりする。
contrasts(x, contrasts = TRUE)
contrasts(x, how.many) <- value
** 因子に対比を設定する C()
因子に対比属性 "contrasts" を設定する。
C(object, contr, how.many, ...)
** 本来のコーディングで回帰係数を取り出す dummy.coef()
この関数はコード化されたものではなく、本来の名前で係数を...
dummy.coef(object, ...)
## クラス "lm" に対する S3 メソッド
dummy.coef(object, use.na = FALSE, ...)
## クラス "aovlist" に対する S3 メソッド
dummy.coef(object, use.na = FALSE, ...)
** 当てはめモデルからの影響 effects()
当てはめモデル、普通線形モデル、から(直交化された)効果を...
これは総称的関数であるが、現在クラス "lm"と "glm" を継承...
に対するメソッドだけを持つ。
effects(object, ...)
## クラス "lm" に対する S3 メソッド
effects(object, set.sign=FALSE, ...)
** 取り除きによる回帰診断 influence.measures()
この一連の関数は Belsley, Kuh \& Welsch~\cite{Belsleyetal...
論じられている、線形モデルと一般化線形モデルに対する幾つ...
計算するのに使うことができる。
influence.measures(model)
rstandard(model, ...)
## クラス "lm" に対する S3 メソッド
rstandard(model, infl = lm.influence(model, do.coef=FALS...
sd = sqrt(deviance(model)/df.residual(model)),...
## クラス "glm" に対する S3 メソッド
rstandard(model, infl = lm.influence(model, do.coef=FALS...
rstudent(model, ...)
## クラス "lm" に対する S3 メソッド
rstudent(model, infl = lm.influence(model, do.coef=FALSE),
res = infl$wt.res, ...)
## クラス "glm" に対する S3 メソッド
rstudent(model, infl = influence(model, do.coef=FALSE), ...
dffits(model, infl = , res = )
dfbeta(model, ...)
## クラス "lm" に対する S3 メソッド
dfbeta(model, infl = lm.influence(model, do.coef=TRU...
dfbetas(model, ...)
## クラス "lm" に対する S3 メソッド
dfbetas(model, infl = lm.influence(model, do.coef=TRUE),...
covratio(model, infl = lm.influence(model, do.coef=FALSE),
res = weighted.residuals(model))
cooks.distance(model, ...)
## クラス "lm" に対する S3 メソッド
cooks.distance(model, infl = lm.influence(model, do.coef...
res = weighted.residuals(model),
sd = sqrt(deviance(model)/df.residual(mod...
hat = infl$hat, ...)
## クラス "lm" に対する S3 メソッド
cooks.distance(model, infl = influence(model, do.coef=FA...
res = infl$pear.res,
dispersion = summary(model)$dispersion,
hat = infl$hat, ...)
hatvalues(model, ...)
## クラス "lm" に対する S3 メソッド
hatvalues(model, infl = lm.influence(model, do.coef=FALS...
hat(x, intercept = TRUE)
** 回帰モデルの対数尤度を取り出す logLik()
この関数は総称的である。特定のクラスのオブジェクトに対す...
この関数に対するメソッドを既に持つ関数には glm(), lm(), ...
lme() そしてパッケージ nlme 中の関数がある。
## クラス "lm" に対する S3 メソッド
logLik(object, REML = FALSE, ...)
** モデルフレーム model.frame()
総称的関数 model.frame() とそのメソッドは formula を使用...
任意の追加引数 ... を含むデータフレームを返す。
## 既定の S3 メソッド
model.frame(formula, data = NULL,
subset = NULL, na.action = na.fail,
drop.unused.levels = FALSE, xlev = NULL, ...)
## クラス "aovlist" に対する S3 メソッド
model.frame(formula, data = NULL, ...)
## クラス "glm" に対する S3 メソッド
model.frame(formula, ...)
## クラス "lm" に対する S3 メソッド
model.frame(formula, ...)
** 計画行列 model.matrix()
計画行列 (design matrix) を作る。
## 既定の S3 メソッド:
model.matrix(object, data = environment(object),
contrasts.arg = NULL, xlev = NULL, ...)
** データの線形モデル空間への射影 proj()
データを線形モデルの項の空間へ射影した行列もしくは行列の...
aov() モデルで最もしばしば使われる。
## クラス "aov" に対する S3 メソッド
proj(object, onedf = FALSE, unweighted.scale = FALSE, .....
## クラス "aovlist" に対する S3 メソッド
proj(object, onedf = FALSE, unweighted.scale = FALSE, .....
## 既定の S3 メソッド
proj(object, onedf = TRUE, ...)
## クラス "lm" に対する S3 メソッド
proj(object, onedf = FALSE, unweighted.scale = FALSE, .....
** 当てはめモデルの共分散行列を計算する vcov()
当てはめモデルオブジェクトの主要パラメータの分散共分散行...
vcov(object, ...)
** モデル式 formula()
総称的関数 formula() とその個別のメソッドは、他のオブジェ...
モデル式を取り出す。as.formula() はほとんど同一であるが o...
"formula" 属性を継承している際に、属性を保存する。env 引...
モデル式が環境を欠いている場合にだけ使われる。
formula(x, ...)
as.formula(object, env = parent.frame())
** パターンによる因子水準 gl()
パターンを与えて因子の水準を作成する。
gl(n, k, length = n*k, labels = 1:n, ordered = FALSE)
** モデル式にオフセット項を含める offset()
オフセットとは一般化線形モデルに於けるような線形予測子に...
係数は既知の係数 1 を持ち、推定されることは無い。
offset(object)
** そのまま関数 I()
I() はオブジェクトが、文字通りの意味で解釈されるべきことを
指示する様にクラスを変更する。
I(x)
** モデル項 terms()
関数 terms() は総称的関数で、様々な R データオブジェクト...
を取り出すことができる。
terms(x, ...)
** 射影追跡回帰 ppr()
射影追跡回帰モデル(projection pursuit regression model)を...
ppr(x, ...)
## クラス "formula" に対する S3 メソッド
ppr(formula, data, weights, subset, na.action,
contrasts = NULL, ..., model = FALSE)
## 既定の S3 メソッド
ppr(x, y, weights = rep(1,n),
ww = rep(1,q), nterms, max.terms = nterms, optlevel ...
sm.method = c("supsmu", "spline", "gcvspline"),
bass = 0, span = 0, df = 5, gcvpen = 1, ...)
** モデルフレームの変数のタイプを検査する .checkMFClasses()
.checkMFClasses() は予測メソッドで使われる変数が、当ては...
それらとタイプが一致するかどうかを検査する。
.MFclass() はこのために変数を類別する。
.checkMFClasses(cl, m, ordNotOK = FALSE)
.MFclass(x)
.getXlevels(Terms, m)
** モデルの係数を取り出す coef()
coef() はモデリング関数が返すオブジェクトからモデル係数を...
coefficients() はその別称である。
coef(object, ...)
coefficients(object, ...)
** モデルパラメータの信頼区間 confint()
当てはめモデルの一つもしくは複数のパラメータに対する信頼...
クラス "lm" を継承するオブジェクトに対するメソッドを持つ。
confint(object, parm, level = 0.95, ...)
** モデルの逸脱度 deviance()
当てはめモデルの逸脱度(deviance)を返す。
deviance(object, ...)
** モデルフレームに新しい変数を加える expand.model.frame()
新しい変数を、それが指定モデルのモデル式の一部であるかの...
同じ na.action と subset 引数が適用されることが保証され、...
使ったモデルに対し x がモデルから復元できることを保証する。
expand.model.frame(model, extras, envir=environment(form...
na.expand = FALSE)
** AIC 規準 AIC()
式 -2 log(-尤度) + k x npar により、尤度が計算できるよう...
赤池の情報量規準を計算する総称的関数である。ここで npar ...
パラメータ数で、k=2 なら通常の AIC、k=\log n (n は観測値...
BIC または SBC (Schwarz のベイズ規準)となる。
AIC(object, ..., k = 2)
** 当てはめモデルのAIC規準を計算 extractAIC()
当てはめパラメトリックモデルに対する(一般化)赤池情報量規...
extractAIC(fit, scale, k = 2, ...)
** モデル当てはめ値を取り出す fitted()
fitted() はモデリング関数が返すオブジェクトから当てはめ値...
fitted.values() はその別称である。
モデリング関数が返す全てのオブジェクトクラスは fitted メ...
(総称的関数は fitted() であり fitted.values() でないこと...
メソッドは欠損値の除外を補整する napredict メソッドを利用...
既定では lm と glm メソッドが利用している。
fitted(object, ...)
fitted.values(object, ...)
** モデルが空かどうか検査する is.empty.model()
R のモデル式表記は切片項も説明変数もないモデルを許す。
これは内部的に特殊な扱いを必要とする。
is.empty.model() はオブジェクトが空のモデルかどうかを検査...
is.empty.model(x)
** model.tables を作る make.tables.aovproj()
これらは model.tables() (のメソッド関数)の支援関数であり...
使い途は無い。
make.tables.aovproj(proj.cols, mf.cols, prjs, mf,
fun = "mean", prt = FALSE, ...)
make.tables.aovprojlist(proj.cols, strata.cols, model.co...
model, eff, fun = "mean", prt = ...
** モデルフレームから成分を取り出す model.extract()
model.frame の目的変数、オフセット、
部分集合、重み、もしくはオプション引数として引き渡された...
model.extract(frame, component)
model.offset(x)
model.response(data, type = "any")
model.weights(x)
** 分散分析モデルの結果から表を計算する model.tables()
モデル当てはめ、特に複雑な aov 当てはめ、に対する要約表を...
model.tables(x, ...)
## クラス "aov" に対する S3 メソッド
model.tables(x, type = "effects", se = FALSE, cterms, ...)
## クラス "aovlist" に対する S3 メソッド
model.tables(x, type = "effects", se = FALSE, ...)
** 予測 predict()
predict() は様々なモデル当てはめ関数の結果から、予測を行...
この関数は最初の引数のクラスに依存する、特定のメソッド関...
predict (object, ...)
** プロファイリングモデルに対する総称的関数 profile()
fitted で表される解の近くでの目的関数の挙動を調べる。
これ以上の詳細はメソッド関数のドキュメントを見よ。
profile(fitted, ...)
** 非線形モデルに対するプロファイラオブジェクト profiler()
モデルオブジェクト fitted に対するプロファイラオブジェク...
profiler(fitted, ...)
** モデルの射影 proj()
データの線形モデル項の上への射影を与える行列もしくは行列...
を返す。これは最もしばしば aov モデルで使われる。
proj(object, ...)
## クラス "aov" に対する S3 メソッド
proj(object, onedf = FALSE, unweighted.scale = FALSE, .....
## クラス "aovlist" に対する S3 メソッド
proj(object, onedf = FALSE, unweighted.scale = FALSE, .....
## 既定の S3 メソッド
proj(object, onedf = TRUE, ...)
## クラス "lm" に対する S3 メソッド
proj(object, onedf = FALSE, unweighted.scale = FALSE, .....
** モデルの残差を取り出す residuals()
モデリング関数が返すオブジェクトから、モデル残差を取り出...
省略形 resid() は residuals() の別名である。これはユーザ...
直接参照すること無く、アクセス関数でオブジェクト成分にア...
している。
モデリング関数が返す全てのオブジェクトクラスは residuals ...
(メソッドは residuals() であり resid() ではないことを注意...
既定のメソッドがそうであるように、メソッドは欠損値の除外...
residuals(object, ...)
resid(object, ...)
** モデル項の対比の標準誤差 se.contrast()
aov オブジェクト中の一つ、もしくは複数の対比の標準誤差を...
se.contrast(object, ...)
## クラス "aov" に対する S3 メソッド
se.contrast(object, contrast.obj,
coef = contr.helmert(ncol(contrast))[, 1],
data = NULL, ...)
** 変数増減による AIC モデル選択 step()
変数をステップ毎に増減し、AIC 規準でモデルを選択する。
step(object, scope, scale = 0,
direction = c("both", "backward", "forward"),
trace = 1, keep = NULL, steps = 1000, k = 2, ...)
** モデルの更新と再当てはめ update()
update() はモデルを更新し(既定では)再当てはめする。これは...
保管された呼出し記録を取り出し、それを更新し、(既定では)...
例えばデータフレームが強制変換されてしまったときなど、upd...
で呼び出すことが役に立つこともある。
update(object, ...)
## 既定の S3 method:
update(object, formula., ..., evaluate = TRUE)
** モデルの更新 update.formula()
update.formula() はモデル式を更新するのに使われる。これは...
項を加えたり、取り除いたりすることを意味するが、しかし更...
一般的であり得る。
## クラス "formula" に対する S3 メソッド
update(old, new, ...)
** 片側モデル式への変換 asOneSidedFormula()
名前、表現式、数値 そして文字列を片側モデル式に変換する。
もし object がモデル式なら、それは片側式でなければならず...
そのまま返される。
asOneSidedFormula(object)
** term オブジェクトを修正する delete.response()
delete.response() は同じモデルに対する目的変数を持たない ...
drop.terms() はモデルの右辺から変数を取り除く。
同じことを(keep.response=TRUE 付きで)行う "[.terms" メソ...
reformulate() は文字列からモデル式を作る。
delete.response(termobj)
reformulate(termlabels, response = NULL)
drop.terms(termobj, dropx = NULL, keep.response = FALSE)
** モデル式に追加・除去可能な項を計算 factor.scope()
add.scope() と drop.scope() はモデルから、項の階層性を保...
項を計算する。
add.scope(terms1, terms2)
drop.scope(terms1, terms2)
factor.scope(factor, scope)
** モデル式から term オブジェクトを作る terms.formula()
この関数はモデル式をと幾つかのオプションを引数に取り、ter...
term オブジェクトは model.matrix を作るのに使うことができ...
## クラス "formula" に対する S3 メソッド
terms(x, specials = NULL, abb = NULL, data = NULL, neg.o...
keep.order = FALSE, simplify = FALSE, ...)
** 線形モデル当てはめ要約 lm.summaries()
これら全ての関数はクラス "lm" のオブジェクトに対するメソ...
線形モデル当てはめ情報を取り出す。
## クラス lm に対する S3 メソッド
family(object, ...)
## クラス lm に対する S3 メソッド
formula(x, ...)
## クラス lm に対する S3 メソッド
residuals(object, type=c("working","response","deviance"...
weights(object, ...)
** 安全な予測用の補助関数 makepredictcall()
model.frame.default() を支援する補助関数 makepredictcall(...
poly や ns といった項を持つモデルから予測を行う際の正しい...
makepredictcall(var, call)
** 直交多項式 poly(), polym()
指定された点集合 x 上の、
次数 1 から degree までの直交多項式を返す。これらは全て
次数 0 の定数値多項式とも直交する。
poly(x, ..., degree = 1, coefs = NULL)
polym(..., degree = 1)
## クラス "poly" に対するメソッド
predict(object, newdata, ...)
** 因子へのコード化 factor()
関数 factor() はベクトルを因子にコード化する (名前カテゴ...
また因子として使用される)。もし ordered = TRUE なら因子水...
S との互換性のために、関数 ordered() もある。
is.factor(), is.ordered(), as.factor() そして as.ordered(...
これらのクラスの所属関数と強制変換関数である。
factor(x, levels = sort(unique.default(x), na.last = TRU...
labels = levels, exclude = NA, ordered = is.order...
ordered(x, ...)
is.factor(x)
is.ordered(x)
as.factor(x)
as.ordered(x)
ページ名:
![[RjpWiki]](image/../Rlogo.png "[RjpWiki]")
