R k.check 检查光滑基础尺寸

说明

采用 gam() 生成的拟合 gam 对象，并运行诊断测试来判断基本尺寸选择是否足够。

用法

k.check(b, subsample=5000, n.rep=400)

参数

b	由 gam() 生成的拟合 gam 对象。
subsample	超过此数量的数据，测试使用此大小的数据的随机子样本。
n.rep	需要进行多少次重新洗牌才能获得 k 测试的 p 值。

细节

平滑的基本维度是否足够的测试(Wood，2017，第 5.9 节)基于计算残差方差的估计，该估计基于根据平滑的(数字)协变量的近邻残差的差分。该估计值除以残差方差就是报告的k-index。该值越低于 1，残差中遗漏模式的可能性就越大。 p-value 通过模拟计算：如果残差中没有模式，则将残差随机重新洗牌 n.rep 次，以获得差分方差估计器的零分布。对于适合超过 subsample 数据的模型，测试基于 subsample 随机采样数据。低 p 值可能表明基本维度 k 设置得太低，特别是如果报告的 edf 接近 k\' (该术语的最大可能 EDF)。请注意一个令人不安的事实，即如果检验统计量本身基于随机重采样并且 null 为真，那么相关的 p 值当然会在一次重复与下一次重复之间存在很大差异。目前不支持因子变量的平滑，并且将给出 NA p 值。

将可疑的 k 加倍并重新拟合是明智的：如果报告的 edf 大幅增加，那么您可能在第一次拟合中遗漏了某些内容。当然，p 值可能由于 k 太低以外的原因而较低。请参阅choose.k 进行更全面的讨论。

值

包含上述测试输出的矩阵。

例子

library(mgcv)
set.seed(0)
dat <- gamSim(1,n=200)
b<-gam(y~s(x0)+s(x1)+s(x2)+s(x3),data=dat)
plot(b,pages=1)
k.check(b)

作者

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

参考

Wood S.N. (2017) Generalized Additive Models: An Introduction with R (2nd edition). Chapman and Hall/CRC Press.

https://www.maths.ed.ac.uk/~swood34/

也可以看看

choose.k、gam、gam.check