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。