R mvn 多元正態加性模型

說明

係列與 gam 一起使用，實現平滑多元高斯回歸。每個維度的均值由單獨的線性預測器給出，該預測器可能包含平滑分量。還可以指定額外的線性預測器，給出組件之間共享的項(請參閱formula.gam)。作為擬合的一部分，估計響應精度矩陣的 Choleski 因子。

用法

mvn(d=2)

參數

d	響應的維度 (>1)。

細節

響應是 d 維多元正態，其中估計協方差矩陣，並且每個維度的均值都有單獨的線性預測變量。模型指定是通過一係列類似遊戲的公式來實現的——每個維度一個。參見示例。

目前，該係列忽略任何先驗權重，並使用足以用於平滑參數的 BFGS 估計的一階導數信息來實現。 "response" 殘差給出原始殘差，而 "deviance" 殘差被標準化為近似獨立標準正態(如果一切順利)。

值

類 general.family 的對象。

例子

library(mgcv)
## simulate some data...
V <- matrix(c(2,1,1,2),2,2)
f0 <- function(x) 2 * sin(pi * x)
f1 <- function(x) exp(2 * x)
f2 <- function(x) 0.2 * x^11 * (10 * (1 - x))^6 + 10 * 
            (10 * x)^3 * (1 - x)^10
n <- 300
x0 <- runif(n);x1 <- runif(n);
x2 <- runif(n);x3 <- runif(n)
y <- matrix(0,n,2)
for (i in 1:n) {
  mu <- c(f0(x0[i])+f1(x1[i]),f2(x2[i]))
  y[i,] <- rmvn(1,mu,V)
}
dat <- data.frame(y0=y[,1],y1=y[,2],x0=x0,x1=x1,x2=x2,x3=x3)

## fit model...

b <- gam(list(y0~s(x0)+s(x1),y1~s(x2)+s(x3)),family=mvn(d=2),data=dat)
b
summary(b)
plot(b,pages=1)
solve(crossprod(b$family$data$R)) ## estimated cov matrix

作者

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

參考

Wood, S.N., N. Pya and B. Saefken (2016), Smoothing parameter and model selection for general smooth models. Journal of the American Statistical Association 111, 1548-1575 doi:10.1080/01621459.2016.1180986

也可以看看

gaussian