r - R 中标准模型对象的关键组件和功能是什么？

Question

我在 R 中实现了一个新的统计模型，它可以在我的沙箱中运行，但我想让它更加标准。一个很好的比较是 lm()，我可以在其中获取模型对象并且:

• 应用summary()函数
• 提取模型的系数
• 从拟合(训练)数据中提取残差
• 更新模型
• 应用predict()函数
• 将 plot() 应用于预先选定的描述性绘图
• 享受许多其他类型的快乐

我浏览了 R 手册、在线搜索并翻阅了几本书，除非我忽略了某些内容，否则我找不到关于新模型包中应包含哪些内容的好教程。

尽管我对详尽的引用资料或指南最感兴趣，但我将把这篇文章的重点放在一个包含两个组成部分的问题上:

1. 模型对象中通常包含哪些关键组件？
2. 建模包中通常实现的典型功能有哪些？

答案可以来自 R Core(或包开发人员)的角度，也可以来自用户的角度，例如用户期望能够使用汇总、预测、残差、系数等功能，并且通常期望在拟合模型时传递公式。

Answer 1

把你认为有用和必要的东西放入对象中。我认为一个更重要的问题是如何包含这些信息，以及如何访问它。

至少，提供一个 print() 方法，以便在打印对象时整个对象不会转储到屏幕上。如果您提供 summary() 方法，则约定是让该对象返回 summary.foo 类的对象(其中 foo 是您的类)，然后提供一个 print.summary.foo() 方法 --- 您不希望您的 summary() 方法本身执行任何打印。

如果您有系数、拟合值和残差，并且这些很简单，那么您可以将它们存储在返回的对象中，如 $coefficients、$fitted.values 和 $residuals 分别。然后，coef()、fitted() 和 resid() 的默认方法将起作用，而无需添加您自己的定制方法。如果这些并不简单，那么请为您的类提供您自己的 coef()、fitted.values() 和 residuals() 方法。我所说的不简单是指，例如，如果有多种类型的残差，并且您需要处理存储的残差以获取请求的类型——那么您需要自己的方法，该方法采用 type参数或类似的参数以从可用的残差类型中进行选择。有关示例，请参阅 ?residuals.glm。

如果可以有效地提供预测，则可以提供 predict() 方法。例如，查看 predict.lm() 方法，了解应采用哪些参数。同样，如果通过添加/删除项或更改模型参数来更新模型有意义，则可以提供 update()。

plot.lm() 给出了提供拟合模型的多个诊断图的方法示例。您可以根据该函数对您的方法进行建模，以从一组预定义的诊断图中进行选择。

如果您的模型具有可能性，那么提供一个 logLik() 方法来计算或从拟合模型对象中提取它是标准的，deviance() 是另一个方法如果这样的事情相关的话，类似的功能。对于参数的置信区间，confint() 是标准方法。

如果您有公式接口(interface)，则 formula() 方法可以提取它。如果您将其存储在默认方法搜索的位置，那么您的生活将会变得更轻松。存储它的一个简单方法是将匹配的调用 (match.call()) 存储在 $call 组件中。提取模型框架 (model.frame()) 和模型矩阵 (model.matrix()) 的方法，它们是数据和扩展(使用转换为变量的因子)对比，加上模型框架数据的任何转换或函数)模型矩阵是标准提取器函数。查看标准 R 建模函数中的示例，了解如何存储/提取此信息的想法。

如果您确实使用公式接口(interface)，请尝试遵循大多数具有公式接口(interface)/方法的 R 模型对象中使用的标准、非标准评估方法。您可以在 R Developer 上找到详细信息。页面，特别是document作者:托马斯·拉姆利。这为让您的函数像人们期望的 R 建模函数一样工作提供了很多建议。

如果您遵循此范例，那么像 na.action() 这样的提取器应该在您遵循标准(非标准)规则的情况下工作。