R gam.vcomp 將 gam 平滑度估計報告為方差分量

說明

GAM 可以被視為混合模型，其中平滑參數與方差分量相關。該例程提取與每個平滑項相關的估計方差分量，並且如果可能的話返回標準偏差尺度上的置信區間。

用法

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

參數

x	由 gam() 生成的 gam 類的擬合模型對象。
rescale	出於數值穩定性的原因，在擬合之前重新調整平滑的懲罰矩陣，如果 TRUE 則反轉此重新調整，以便方差分量處於原始比例。
conf.lev	當通過 REML 或 ML 估計平滑參數時，可以從大樣本似然結果中獲得方差分量的置信區間。這給出了工作的信心水平。

細節

當這些被視為隨機時，懲罰一項的懲罰矩陣的(偽)逆與該項係數的協方差矩陣成正比。對於單懲罰平滑，可以計算平滑的方差分量(乘以逆懲罰矩陣以獲得平滑係數的協方差矩陣)。該方差分量由尺度參數除以平滑參數得出。

如果平滑參數估計是基於似然的，則此例程計算 gam 模型的此類方差分量以及相關的置信區間。請注意，張量積平滑也會返回方差分量，但它們的解釋並不那麽簡單。

該例程對於 gam 擬合的模型特別有用，其中已納入隨機效應。

值

每個平滑項的方差分量向量(作為標準差)或矩陣。矩陣的第一列給出每個項的標準差，而後續列給出相同尺度的置信下限和上限。

對於平滑參數多於實際估計的模型(例如，如果某些參數是固定的，或者平滑參數是鏈接的)，則返回一個列表。 vc 元素如上，all 元素是所有平滑參數(估計+固定或複製)的方差分量向量。

該例程打印估計標準差和置信限的表格(如果可以計算這些)，並報告協方差矩陣的數值等級。

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

參考

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