11.8 一些非標準模型

我們簡單提一下 R 裏面某些用於某些特殊回歸和 資料分析問題的 工具。

• 混合模型。用戶捐獻包 nlme 裏面提供了 函數 lme() 和 nlme()。 這些函數可以用於混合效應模型（mixed-effects models）的線性和非線性回歸。也就是說 在線性和非線性回歸中，一些係數受隨機因素的影響。 這些函數需要充分利用公式來描述 模型。
• 局部近似回歸。函數 loess() 利用局部加權回歸進行一個非參回歸。 這種回歸對顯示一組淩亂資料的趨勢和 描述大資料集的整體情況非常 有用。

  函數 loess 和投影跟蹤回歸（projection pursuit regression）的代碼 一起放在標準包 stats 中。

• 穩健回歸。有多個函數可以用於 擬合回歸模型，同時儘量不受資料中 極端值的影響。在推薦包 MASS 中的函數 lqs 為高穩健性的擬合提供了 最新的演算法。另外，穩健性較低但統計學上高效的方法 同樣可以在包 MASS 中得到， 如函數 rlm
• 累加模型。這種技術期望可以通過決定變數的 平滑累加函數（smooth additive function）構建回歸函數。一般來說，每個決定變數 都有一個平滑累加函數。用戶捐獻的包 acepack 裏面的函數 avas 和 ace 以及包 mda 裏面的函數 bruto 和 mars 為這種技術提供了一些例子。 這種技術的一個擴充是用戶捐獻包 gam 和 mgcv 裏面實現 的廣義累加模型。
• 樹型模型。除了利用外在的全局線性模型 預測和解釋資料，還可以利用樹型模型在決定變數的判斷點上迴圈探索 資料的分叉現象。這樣做會 把資料最終分成幾個不同組，使得 組內盡可能相似而組間盡可能差異。 這樣常常會得到一些其他資料分析方法不能 產生的的資訊。

  模型可以用一般的線性模型形式指定。該模型擬合函數 是 tree()， 而且許多泛型函數，如 plot() 和 text() 都可以很好的用於樹型模型擬合結果的 圖形顯示。

  R 裏面的樹型模型函數是通過用戶捐獻的包 rpart 和 tree 得到。