回归:广义加法模型

时间:2017-03-27 20:30:54

标签: r regression transformation mgcv

我已经开始在R中与GAM合作了,我已经获得了Simon Wood关于该主题的优秀书籍。根据他的一个例子,我看到以下内容:

library(mgcv)
data(trees)
ct1<-gam(log(Volume) ~ Height + s(Girth), data=trees)

我对这个例子有两个一般性问题:

  1. 如何确定模型估计中的变量何时应该是参数化的(例如高度)或何时应该是平滑的(例如Girth)?一个人是否优于另一个,是否有办法确定变量的最佳类型是什么?如果有人有关于这个主题的任何文献,我会很高兴知道它。

  2. 说我想仔细查看ct1ct1$coefficients的权重。我可以使用它们作为gam - 过程输出它们,还是我必须在分析之前对它们进行转换,因为我适合log(Volume)?就后者而言,我想我必须使用exp (ct1$coefficients)

0 个答案:

没有答案