问题标签 [gam]

我有以下变量：

prod: 正整数

tenure: 正数

cohort： 因素

这是一些具有这些规格的模拟数据。

我使用以下模型拟合mgcv:gam：

得到预测及其标准误：

package:ggplot2使用它来获取每个群组的平滑预测是相当简单的mu（同时也强制平滑器具有正值）：

但我想平滑 GAM 的置信区间。我该如何添加这些？

不是答案

1. 删除fill = NA. 没有。这些置信区间将无限小，因为在一个队列中按任期进行的预测完全相同。
2. 添加对 的调用geom_ribbon(aes(x = tenure, ymin = low, ymax = high))。没有。这给了我一个超级摇摆不定、不平滑的信心带。
3. 使用package:ggvis！没有package:ggvis答案，请，除非没有办法做到这一点ggplot2。我当前的绘图框架是ggplot2，我现在坚持使用它，除非我必须切换才能执行此绘图。

我正在对许多样本运行 GAM，并以如下所示的方式从结果中提取系数/t 值/r 平方。作为背景，我使用的是自然样条曲线，因此常规的 lm() 在这里可以正常工作，也许这就是这种方法可以正常工作的原因。

我还想提取每个样本集的节点位置（df=4 并且没有截距，所以三个内部节点和边界）。我已经尝试了上述命令的几种变体，但无法对此进行索引。执行此操作的常规方法如下，因此我试图将其放入上面的表格中。但我不确定汇总函数是否包含这些值，或者是否应该包含另一个结果。

http://www.inside-r.org/r-doc/splines/ns

注意：这个问题与下面的问题有关，如果有帮助，虽然它的解决方案没有帮助我解决我的问题： 提取 GAM 的估计

我正在寻找一种方法来添加模型中每个变量的预测（真实，非标准化）值

> model<-gam(LN_Brutto~s(agecont,by=Sex)+factor(Sex)+te(Month,Age)+s(Month,by=Sex), data=bears)

这是我的模型的摘要：

此代码提供了预测值：

结果如下所示：

但我猜这些只是标准化的预测值，而不是真实值（真实值应该没有负值！？）。

那么有谁知道我必须在代码中修改什么才能获得真正的价值？任何的想法？谢谢！

gamm有人可以为R 中包含自相关的函数（如 中的gamm(...,correlation=corAR1())函数）推荐一种方法，mgcv但也推荐用于处理二进制响应数据？帮助文件有一个关于将其用于二进制数据的gamm()明确警告。

“gamm 在二进制数据上表现不佳，因为它使用PQL. 最好gam与s(...,bs="re")术语或. 一起使用gamm4。”

据我所知，gamm4目前还没有自相关的实现。

希望我只是错过了一些明显的东西。

谢谢！

我正在gamboost使用Caret. 模型已生成，但运行过程给出以下错误消息，如下所示。我不清楚这是什么意思。

模型看起来像这样

错误消息是

我正在使用带有三次回归样条的泊松误差分布进行 GAM 建模，使用普通乌鸦的计数数据。除了一些警告之外，我不断收到一个以前从未见过的奇怪错误。这是我的代码：

如果错误(abs(old.score - score) > score.scale * conv.tol) { : missing value where TRUE/FALSE needed

另外：有 50 个或更多警告（使用 warnings() 查看前 50 个）

有人可以帮我解决返回的错误吗？谢谢你的帮助。

可能是一个愚蠢的问题，但经过数小时寻找答案后，我仍然没有找到解决方案。我已经运行了一个 gamm 模型，该模型似乎工作正常。我现在想使用模型（mod1）中计算的对数似然来计算模型的 AIC。

模型运行如下

然后在模型运行后，我尝试使用以下代码获取 AIC，该代码返回后续错误

最初我认为这是错误的，因为我使用的是 REML 而不是 Max Likelihood，但不使用 REML 时会返回相同的错误。

是因为我在返回错误的伽玛中有一个随机因素吗？

请帮忙！

干杯，泰森

我正在尝试使用 gam for y 作为数据集中变量 a 和 b 的函数来运行平滑样条回归。但是当我运行以下代码时，出现以下错误。

知道我做错了什么吗？

我正在尝试使用 R 中的“caret”包对广义加法模型 (GAM) 运行交叉验证。我可以让它为 GLM 工作，并认为运行相同的东西应该很简单GAM，但无法使其正常工作，请参见下文：

运行最后一行时抛出的关键警告是：

似乎以某种方式将家庭参数传递给 gam() 的方式与在 glm() 中的方式相同。在彻底搜索网络后，我没有找到任何工作示例。任何帮助，将不胜感激！

缺口

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

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。

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）