man/compar.lynch.Rd

   1 \name{compar.lynch}
   2 \alias{compar.lynch}
   3 \title{Lynch's Comparative Method}
   4 \usage{
   5 compar.lynch(x, G, eps = 1e-4)
   6 }
   7 \arguments{
   8   \item{x}{eiher a matrix, a vector, or a data.frame containing the data
   9     with species as rows and variables as columns.}
  10   \item{G}{a matrix that can be interpreted as an among-species correlation
  11     matrix.}
  12   \item{eps}{a numeric value to detect convergence of the EM algorithm.}
  13 }
  14 \description{
  15   This function computes the heritable additive value and the residual
  16   deviation for continous characters, taking into account the
  17   phylogenetic relationships among species, following the comparative
  18   method described in Lynch (1991).
  19 }
  20 \details{
  21   The parameter estimates are computed following the EM
  22   (expectation-maximization) algorithm. This algorithm usually leads to
  23   convergence but may lead to local optima of the likelihood
  24   function. It is recommended to run several times the function in order
  25   to detect these potential local optima. The `optimal' value for
  26   \code{eps} depends actually on the range of the data and may be
  27   changed by the user in order to check the stability of the parameter
  28   estimates. Convergence occurs when the differences between two
  29   successive iterations of the EM algorithm leads to differences between
  30   both residual and additive values less than or equal to \code{eps}.
  31 }
  32 \note{
  33   The present function does not perform the estimation of ancestral
  34   phentoypes as proposed by Lynch (1991). This will be implemented in
  35   a future version.
  36 }
  37 \value{
  38   A list with the following components:
  39   \item{vare}{estimated residual variance-covariance matrix.}
  40   \item{vara}{estimated additive effect variance covariance matrix.}
  41   \item{u}{estimates of the phylogeny-wide means.}
  42   \item{A}{addtitive value estimates.}
  43   \item{E}{residual values estimates.}
  44   \item{lik}{logarithm of the likelihood for the entire set of observed
  45     taxon-specific mean.}
  46 }
  47 \references{
  48   Lynch, M. (1991) Methods for the analysis of comparative data in
  49   evolutionary biology. \emph{Evolution}, \bold{45}, 1065--1080.
  50 }
  51 \author{Julien Claude \email{claude@isem.univ-montp2.fr}}
  52 \seealso{
  53   \code{\link{pic}}, \code{\link{compar.gee}}
  54 }
  55 \examples{
  56 ### The example in Lynch (1991)
  57 cat("((((Homo:0.21,Pongo:0.21):0.28,",
  58    "Macaca:0.49):0.13,Ateles:0.62):0.38,Galago:1.00);",
  59    file = "ex.tre", sep = "\n")
  60 tree.primates <- read.tree("ex.tre")
  61 unlink("ex.tre")
  62 X <- c(4.09434, 3.61092, 2.37024, 2.02815, -1.46968)
  63 Y <- c(4.74493, 3.33220, 3.36730, 2.89037, 2.30259)
  64 compar.lynch(cbind(X, Y),
  65              G = vcv.phylo(tree.primates, cor = TRUE))
  66 }
  67 \keyword{regression}