Mein aktuelles Problem erklärt ist die Varianz von den verschiedenen Variablen eines allgemeinen additiven Modell (GAM) mit R.GAM R Varianz durch variable
Ich folgte die Erklärung von Wood hier angegebenen erklärt zu berechnen: https://stat.ethz.ch/pipermail/r-help/2007-October/142743.html
Aber ich möchte es mit drei Variablen tun. Ich versuchte dies:
library(mgcv)
set.seed(0)
n<-400
x1 <- runif(n, 0, 1)
x2 <- runif(n, 0, 1)
x3 <- runif(n, 0, 1)
f1 <- function(x) exp(2 * x) - 3.75887
f2 <- function(x) 0.2*x^11*(10*(1-x))^6+10*(10*x)^3*(1-x)^10
f3 <- function(x) 0.008*x^2 - 1.8*x + 874
f <- f1(x1) + f2(x2) + f3(x3)
e <- rnorm(n, 0, 2)
y <- f + e
b <- gam(y ~ s(x1, k = 3)+s(x2, k = 3)+ s(x3, k = 3))
b3 <- gam(y ~ s(x1) + s(x2), sp = c(b$sp[1], b$sp[2]))
b2 <- gam(y ~ s(x1) + s(x3), sp = c(b$sp[1], b$sp[3]))
b1 <- gam(y ~ s(x2) + s(x3), sp = c(b$sp[2], b$sp[3]))
b0 <- gam(y~1)
(deviance(b1)-deviance(b))/deviance(b0)
(deviance(b2)-deviance(b))/deviance(b0)
(deviance(b3)-deviance(b))/deviance(b0)
Aber ich verstehe nicht, Ergebnisse. Zum Beispiel hat das Modell mit nur x1 und x2 eine Abweichung, die kleiner als die Abweichung mit den drei erklärenden Variablen ist.
Ist die Methode, die ich verwendet habe, um die Varianz zu erklären, die durch die Variable mit drei Variablen erklärt wurde, korrekt?
Bedeutet dies, dass es im globalen Modell einen verwirrenden Effekt gibt? Oder gibt es eine andere Erklärung?
Vielen Dank.
Danke für Ihre Antwort, –
Danke für Ihre Antwort, ich stimme Ihnen zu. es hat immer noch etwas, was ich nicht verstehe. Warum muss ich k angeben (was ist der maximale Grad der Glättung), wenn es keine Glättungsoptimierung gibt? Aus meiner Sicht bedeutet die Angabe von "sp = ...", dass die Optimierung nicht notwendig ist und daher keine Notwendigkeit besteht, k zu setzen. –