R gam.vcomp 将 gam 平滑度估计报告为方差分量

说明

GAM 可以被视为混合模型，其中平滑参数与方差分量相关。该例程提取与每个平滑项相关的估计方差分量，并且如果可能的话返回标准偏差尺度上的置信区间。

用法

gam.vcomp(x,rescale=TRUE,conf.lev=.95)

参数

x	由 gam() 生成的 gam 类的拟合模型对象。
rescale	出于数值稳定性的原因，在拟合之前重新调整平滑的惩罚矩阵，如果 TRUE 则反转此重新调整，以便方差分量处于原始比例。
conf.lev	当通过 REML 或 ML 估计平滑参数时，可以从大样本似然结果中获得方差分量的置信区间。这给出了工作的信心水平。

细节

当这些被视为随机时，惩罚一项的惩罚矩阵的(伪)逆与该项系数的协方差矩阵成正比。对于单惩罚平滑，可以计算平滑的方差分量(乘以逆惩罚矩阵以获得平滑系数的协方差矩阵)。该方差分量由尺度参数除以平滑参数得出。

如果平滑参数估计是基于似然的，则此例程计算 gam 模型的此类方差分量以及相关的置信区间。请注意，张量积平滑也会返回方差分量，但它们的解释并不那么简单。

该例程对于 gam 拟合的模型特别有用，其中已纳入随机效应。

值

每个平滑项的方差分量向量(作为标准差)或矩阵。矩阵的第一列给出每个项的标准差，而后续列给出相同尺度的置信下限和上限。

对于平滑参数多于实际估计的模型(例如，如果某些参数是固定的，或者平滑参数是链接的)，则返回一个列表。 vc 元素如上，all 元素是所有平滑参数(估计+固定或复制)的方差分量向量。

该例程打印估计标准差和置信限的表格(如果可以计算这些)，并报告协方差矩阵的数值等级。

例子

 
  set.seed(3) 
  require(mgcv)
  ## simulate some data, consisting of a smooth truth + random effects

  dat <- gamSim(1,n=400,dist="normal",scale=2)
  a <- factor(sample(1:10,400,replace=TRUE))
  b <- factor(sample(1:7,400,replace=TRUE))
  Xa <- model.matrix(~a-1)    ## random main effects
  Xb <-  model.matrix(~b-1)
  Xab <- model.matrix(~a:b-1) ## random interaction
  dat$y <- dat$y + Xa%*%rnorm(10)*.5 + 
           Xb%*%rnorm(7)*.3 + Xab%*%rnorm(70)*.7
  dat$a <- a;dat$b <- b

  ## Fit the model using "re" terms, and smoother linkage  
  
  mod <- gam(y~s(a,bs="re")+s(b,bs="re")+s(a,b,bs="re")+s(x0,id=1)+s(x1,id=1)+
               s(x2,k=15)+s(x3),data=dat,method="ML")

  gam.vcomp(mod) 

作者

Simon N. Wood simon.wood@r-project.org

参考

Wood, S.N. (2008) Fast stable direct fitting and smoothness selection for generalized additive models. Journal of the Royal Statistical Society (B) 70(3):495-518

Wood, S.N. (2011) Fast stable restricted maximum likelihood and marginal likelihood estimation of semiparametric generalized linear models. Journal of the Royal Statistical Society (B) 73(1):3-36

也可以看看

smooth.construct.re.smooth.spec