0

我正在尝试获取使用 GAM 创建的检测函数的置信区间。我已经用因子和变量创建了 GAM

model = gam(Capture>0~s(Distance)+s(Amplitude)+DetectorNumber, 
              family=binomial, data=dat)

请参见此处的图：https ://drive.google.com/file/d/0BxC5badRi-zjT2lHQVFSUlAydW8/view?usp=sharing

现在我需要置信区间，在我的世界中，它将是上下阴影区域的整合。然而，即使我能够弄清楚如何进行积分，我相信这依赖于方差是恒定的假设。在这种情况下，随着距离值的增加（测量误差），我们预计测量中的误差会更大。

我们还需要分解每个通道并知道每个检测器编号的检测概率（使用 CI）。同样，我在使用预测值方面取得了一些成功，但没有成功获得置信区间。

  sim=data.frame(Dist=seq(from=0, to=39.99, by=.01),
                     Amplitude=sample(Amplitude,4000),
                     DetectorNumber=rep(ii,4000));

  sim$DetectorNumber=factor(sim$DetectorNumber)
  yy=predict(model, newdata=sim, type='response')
  pdet=sum(yy*.01)/(4000*.01)

我开始倾向于自举来获得检测概率和 CI 值，但我不确定如何使用 GAM 来解决这个问题。

您的想法将不胜感激。

顺便说一句，如果有人知道如何将 GAM 的最终值向尾部强制设为 0，那也会有所帮助（例如，在 40 公里处检测到鸟的概率为 0）

4

0 回答 0