mgcv

0熱度

1回答

我已經安裝了兩個模型，一個使用gam，另一個使用gamm。 gam(y ~ x, family= betar) gamm(y ~ x) 所以，唯一的區別是分佈假設。我使用gamm和普通gamm使用betar。我想比較這兩個模型，但我猜測AIC不會工作，因爲這兩個模型是基於不同的方法？那麼是否有其他適合的估計可以用於比較？我知道我可以適應gam的第二個問題，但爲了這個問題，我們忽略它。

0熱度

1回答

用過多的槓桿作用去除數據點gam fit

我跟一位統計學家問他，我如何識別和刪除對gam（廣義加法模型）有太大影響的點。他告訴我，我可以根據影響/投影/帽子矩陣做到這一點。我也看到@Gavin Simpson有same idea。不幸的是，我不知道如何在r實踐中做到這一點。我可以通過函數提取gam的影響矩陣，但是我不知道如何在影響矩陣和原始數據之間建立連接，以知道應該刪除哪些原始數據。有誰知道如何根據影響矩陣去除太多槓桿的數據點

1熱度

1回答

mgcv：繪製因子'由'光滑

我想繪製出生體重稱爲「NO2」參數的樣條效應，但我想要四個四分位數的4個圖。我目前的代碼只給出一個圖表，請你幫我弄清楚問題所在？您可以在最後看到代碼，model_1_F1_spline針對不同的參數進行了調整，但我的問題是關於F1_quartile。當我通過F1_quartile調整NO2時，它包含四個四分位數的結果，但我不知道如何提取這些結果並繪製4個圖。這裏是一個重複的例子： structu

1熱度

1回答

mgcv：如何獲取樣條方程

也許我不是唯一一個在mgcv::gam中提出有關估計方程的下列問題的人。好，事情是我上網習慣白白得到一個明確的答案，我應該怎麼做如下輸出成一個完整的公式，我可以隨後採取的任何其他分析軟件，特別是GIS軟件，爲了映射/項目等式到某一地理空間使用預測X1 & X2： family = gaussian(link = "identity") smooth class = p-spline 以下

0熱度

1回答

R的gamm模型

我正在嘗試將我的模型改編爲gamm（我在lmer中使用了該模型）。我以前的公式是 b <- lmer(metric1~a+b+c+d+e+f+g+h+i+(1|X) + (1|Y), data = dataset) 我試圖適應這個公式來建模與gamm。但我現在還不知道如何。我的目的是找到簡化的模型。任何想法或例子，我將不勝感激。

2熱度

1回答

mgcv：修復GAMM中的平滑參數和模型嵌套的有效性

我目前正在嘗試對來自mgcv包的協變量x（Age）和性別0-1變量與gamm之間的交互進行建模。在爲每個性別指定一個主要模型（讓我們稱之爲M0）之後，我想測試一個更簡單的假設，即性別之間的差異是線性的（而不是任意平滑的）。我有以下兩個問題：當試圖鳥巢模型正確，我想從M0走出了0性別流暢平滑參數，並在簡單的模型規範使用它。但我得到了以下錯誤消息：錯誤gamm.setup（GP，pterms =

1熱度

1回答

P樣條平滑

您好我試圖找到一個非參數迴歸更平滑對控制和治療組之間的差異，以確定隨着時間的推移食慾抑制劑的有效性。那麼我需要使用我的模型來估計治療組和對照組之間的差異：t = 0和t = 50。我想用P-樣條平滑，但我沒有關於它的足夠的背景這是我的數據：牛逼 0 1 3 7 8 10 14 15 17 21 22 24 28 29 31 35 36 38 42 43 45 49 50 52 56 57 5

0熱度

1回答

隨機效應和另外一個光滑的化妝協方差矩陣非正定

我在mgcv使用gam擬合模型 m <- gam(y ~ s(x) + s(Group, bs = "re")) 然而，這使得協方差矩陣 vcov(m) 非 - 正確的。此外，估計的s(x)只是一條直線。現在，除去s(x)部分修復vcov問題，並移除s(Group)還修復了這些問題，然後估計曲線s(x)是不是一條直線。有人知道爲什麼發生這種情況，以及如何解決它？這樣我可以同時包括s(x

2熱度

1回答

爲什麼無法在gamm中找到對象，但它在lm中工作？

我與寫調用使用get() 假設我有這個數據幀的變量的R功能掙扎： mydat = data.frame(y = rnorm(100), x = rnorm(100), day = sample(90:260, 100, replace = T), r1 = sample(seq(2008,2015,1), 100, replace = T),

2熱度

1回答

爲什麼mgcv中的bam對於某些數據很慢？

我在mgcv中使用bam函數在多個數據集上擬合了相同的廣義相加模型。雖然對於我的大部分數據集合，合適的時間在10到20分鐘之內完成。對於少數數據集，運行需要超過10個小時才能完成。在緩慢的情況之間我找不到任何相似之處，最終的合適既不特別好也不壞，也不包含任何明顯的異常值。我怎樣才能弄清楚爲什麼這些情況下適合度太慢？我怎麼能夠加速這些？我的模型包含兩個光滑項（使用循環三次樣條基）和一些附加的數值