我正在尝试将我的模型调整为gamm（我在lmer中使用）。
我以前的公式是
b <- lmer(metric1~a+b+c+d+e+f+g+h+i+(1|X) + (1|Y), data = dataset)
我正在尝试使用gamm将此公式调整为建模。但我还想不出怎么样。我的目的是找到简化的模型。
我非常感谢任何想法或例子。
答案 0 :(得分：1)
如果我没有错，那么你正在拟合一个线性混合模型和两个i.i.d.随机效应（拦截）。</ p>
在这种情况下无需使用gamm。将gam与method = REML一起使用即可。
gam(metric1~a+b+c+d+e+f+g+h+i+ s(X, bs = 're') + s(Y, bs = 're'), data = dataset, method = 'REML')
注意我没有将其他固定效果扩展到平滑函数中，您可以自己动手。
如果您有大型数据集，建议您使用bam，并注意在这种情况下为method = 'fREML。
REML估计中gam和bam之间的差异在于前者使用“外部”迭代，而后者使用“性能”迭代。但是对于高斯数据没有区别，尽管bam本身是针对大型数据集设计的，可以根据要求使用迭代QR缩减和并行计算。
我个人认为gamm已经过时了。它使用lme和MASS::glmmPQL进行REML估算，效率远低于gam和bam采用的惩罚最小二乘法。