廣義加性模型GAM

1、精品文檔你這也沒分析啊，就是用head命令把前6行輸出出來了。你是說你用廣義加性模型gamgam(formuI a, fami Iy二gauss i an(), data二Ii st (), we i ghts=NULL,subset二NULL,na. action, offset二NULL, method二”GCV. Cp",opt imi zer=c ("outer", nnewton"), control = l i st (),sea I e二0,seIect二FALSE,knots二NULL, sp=NULL,min. sp二NULL, H二N

2、ULL, gamma二1,fit=TRUE,paraPen二NULL,G=NULL, in.out,.)1. formu I a: GAM 的公式2. fami Iy:服從的分布3. data :所需的一個數(shù)據(jù)框或列表包含模型響應(yīng)變量，協(xié)變量4. weights:現(xiàn)有的數(shù)據(jù)上的權(quán)重5. subset:可以使用的觀測值的一個子集。6. na. action: 一個函數(shù)，它表示時會發(fā)生什么數(shù)據(jù)包含 “NA” o7. offset:模型偏移量8. controI :控制參數(shù)，以取代默認(rèn)值返回gam. controI9. method:平滑參數(shù)估計方法10. optimizer:指定的數(shù)值優(yōu)化方法門.

3、scale:如果這是正的，尺度參數(shù)；負(fù)的，規(guī)模參數(shù)未 知。0說明是泊松分布和二項分布和未知的，否則，尺度參 數(shù)為1o12. select:如果這是TRUE然后gam可以添加一個額外的 懲罰變量，以每學(xué)期，以便它可以被扣分零。這意味著平滑 參數(shù)估計是擬合的一部分的，可以完全除去從模型中的條 款。如果相應(yīng)的平滑參數(shù)估計值為零，那么額外的懲罰沒有 任何效果。下面是一個例子Fami Iy: gaussianLink function: identityFormula:y s (xO) + s (x1) + s (x2) + s (x3)Parametrie coefficients:Estimate

4、Std. Error t va I uePr(>|t|)#線性變量的回歸系數(shù)和顯著性檢驗結(jié)果(Intercept) 7.833280.0987879. 3<2e16 *p值V0.05,沒有通過原假設(shè)，有顯著的統(tǒng)計意義。Signif. codes:0'*'0.001'*'0.01'*'0.05'0. 1' '1AHA12GAGGAGAGGAFFFFAFAFApprox imate s i gni ficanee of smooth terms: #曲 線擬合的結(jié)果edfRef.dfFp-vaIues (xO)2.

5、 5003. 1156. 9210. 000128*s (x1)2. 4012.98481.914< 2e-16*s (x2)7. 6988.56488. 029< 2e-16*s (x3)1.0001.0004. 3430. 037806*p值V0.05,沒有通過原假設(shè)，有顯著的統(tǒng)計意義。理論上，當(dāng)自由度接近1時，表示是線性關(guān)系；當(dāng)自由度比1大，則表示為曲線關(guān)系。Signif. codes:0'*'0.001'*'0.01'*'0.05''0. 1' '1R-sq. (adj)二 0.715 Dev i ance exp I a i ned 二 72.5%GCV 二 4. 0505 Scale est.二 3. 9027 n 二