我在阅读上的文档r ...式 ，并试图弄清楚如何一起工作depmix（从depmixS4包） 。
现在，depmixS4的文档中，样品配方趋向于类似y ~ 1 。 对于简单的情况下，像y ~ x ，它被限定输入x和输出y之间的关系，所以我得到，这是类似于y = a * x + b ，其中a是斜率，和b是截距。
如果我们回到y ~ 1 ，公式是扔我。 是它等同于y = 1 （一个水平线在y = 1）？
要添加一些背景，如果你看一下depmixs4文档，下面有一个例子
depmix(list(rt~1,corr~1),data=speed,nstates=2,family=list(gaussian(),multinomial()))
我认为在一般情况下，公式与最终~ 1是混淆了我。 可以在任何解释一下~ 1或y ~ 1是什么意思？ 多谢！
许多在模型公式（星号，再加上，插入符号）中的R所使用的运算符，具有一个特定于模型的含义，这是其中之一：“一”符号表示截距。
换句话说，它是因变量预期具有当自变量为零或没有影响的值。 （要使用模式方面的比较常见的数学含义，你包起来I() 拦截通常假定所以它是最常见的，看看它在明确说明的模型，而不拦截的上下文。
下面是指定用于在x和y的线性回归模型相同的模型的方法有两种。 所述第一有一个隐式截距项，并且所述第二显式之一：
y ~ x
y ~ 1 + x
下面是如何通过原点，得到对x和y的线性回归（即，不具有截距项）：
y ~ 0 + x
y ~ -1 + x
y ~ x - 1
在具体的情况下，你提（Y〜1）中，Y是由没有其他变量预测使其自然预测为y的平均值，作为保Hiemstra表示：
> data(city)
> r <- lm(x~1, data=city)
> r
Call:
lm(formula = x ~ 1, data = city)
Coefficients:
(Intercept)
97.3
> mean(city$x)
[1] 97.3
并配有消除截距-1给你留下什么：
> r <- lm(x ~ -1, data=city)
> r
Call:
lm(formula = x ~ -1, data = city)
No coefficients
formula()是用于提取公式出来的对象和它的帮助文件的功能是不读有关R.指定模型公式，我建议你看一下最好的地方这样的解释或第11章介绍与R 。
如果你的模型是形式的y ~ x1 + x2这（粗略地讲）表示：
y = β0 + β1(x1) + β2(x2)
Which is of course the same as
y = β0(1) + β1(x1) + β2(x2)
有一个隐式+1上述式英寸 因此，其实，上述公式是y ~ 1 + x1 + x2
我们可以有一个非常简单的公式，其中y是不依赖于任何其他变量。 这是所引用的式中， y ~ 1这大致将等同于
y = β0(1) = β0
正如@保罗指出，当你解决简单的模型，你会得到β0 = mean (y)
# Let's make a small sample data frame
dat <- data.frame(y= (-2):3, x=3:8)
# Create the linear model as above
simpleModel <- lm(y ~ 1, data=dat)
## COMPARE THE COEFFICIENTS OF THE MODEL TO THE MEAN(y)
simpleModel$coef
# (Intercept)
# 0.5
mean(dat$y)
# [1] 0.5
通常这样的公式描述了以线性模型的形式变量和自变量之间的关系。 左手边是因变量，右手边的独立。 独立变量被用来计算线性模型的趋势分量，残差然后假定为具有某种分布。 当独立等于一~ 1 ，趋势部件是一个单一的值，例如，数据的平均值，即，线性模型只有一个截距。
