廣義加性模型GAM(共3頁)

1、精選優(yōu)質文檔-傾情為你奉上你這也沒分析啊，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gam   gam(formula,family=gaussian(),data=list(),weights=NULL,subset=NULL,    na.action,offset=NULL,method="GCV.Cp",    optimizer=c("outer","newton"),control=list(),scale=0,    sel

2、ect=FALSE,knots=NULL,sp=NULL,min.sp=NULL,H=NULL,gamma=1,    fit=TRUE,paraPen=NULL,G=NULL,in.out,.)1. formula：GAM的公式2. family：服從的分布3. data：所需的一個數據框或列表包含模型響應變量，協(xié)變量4. weights：現有的數據上的權重5. subset：可以使用的觀測值的一個子集。6. na.action：一個函數，它表示時會發(fā)生什么數據包含“NA”。7. offset：模型偏移量8. control：控制參數，以取代默認值返回gam.contro

3、l9. method：平滑參數估計方法10. optimizer：指定的數值優(yōu)化方法11. scale：如果這是正的，尺度參數；負的，規(guī)模參數未知。 0說明是泊松分布和二項分布和未知的，否則，尺度參數為1。12. select：如果這是TRUE然后gam可以添加一個額外的懲罰變量，以每學期，以便它可以被扣分零。這意味著平滑參數估計是擬合的一部分的，可以完全除去從模型中的條款。如果相應的平滑參數估計值為零，那么額外的懲罰沒有任何效果。下面是一個例子Family: gaussian Link function: identity Formula:y s(x0) + s(x1)

4、+ s(x2) + s(x3)Parametric coefficients:            Estimate Std. Error t value Pr(>|t|)     #線性變量的回歸系數和顯著性檢驗結果(Intercept)  7.83328    0.09878    79.3   <2e-16 * p值0.05，沒有通過原假設，有顯著的統(tǒng)計意義。-Sig

5、nif. codes:  0 * 0.001 * 0.01 * 0.05 . 0.1 1Approximate significance of smooth terms: #曲線擬合的結果        edf          Ref.df      F  p-value    s(x0) 2.500  3.115  

6、;6.921 0. *s(x1) 2.401  2.984 81.914  < 2e-16 *s(x2) 7.698  8.564 88.029  < 2e-16 *s(x3) 1.000  1.000  4.343 0. *  p值0.05，沒有通過原假設，有顯著的統(tǒng)計意義。理論上，當自由度接近1時，表示是線性關系；當自由度比1大，則表示為曲線關系。 -Signif. codes:  0 * 0.001 * 0.01 * 0.05 . 0.1 1R-sq.(adj) =  0.715   Deviance explained = 72.5%GCV = 4.0505