Question

我有一个gam函数，其中包含许多协变量，我想简化一下（找到最小模型）

我使用了dsm函数来模拟跨线段的物种密度与协变量的关系。而且效果很好！但这是协变量太多的最大模型，我想自动减少它们的数量。因此，我尝试使用gam::step.Gam函数。（我还使用了gam.scope函数来确保我正确执行了所有操作。）

DSM代码：

GamModel = dsm(
  ddf.obj=PreparedDdf, 
  formula = D ~ x + y + Cov1 + Cov2 +...+ Covn factor1+ factor2+...+factorn,
  family=gaussian(link='identity'), 
  group=FALSE,
  engine='gam',
  convert.units=1,
  segment.data=segment.df, 
  observation.data=observation.df
)

step.Gam代码：

GamScope=gam.scope(segment.df[,c(5:6,11:16)], response=1, smoother="s", arg=NULL, form=TRUE)
MinModel = step.Gam(GamModel, GamScope, trace=TRUE, direction="backward")

我希望获得最小模型，相反，它会给我以下错误：

gam中的错误（公式= D〜x + Cov1 + Cov2 + Cov3，：无效的'方法'：REML

我不明白为什么会这样！我尝试了不同的方法（GACV.Cp，ML），但遇到了相同类型的错误（无效方法：GACV.Cp等）为什么会这样呢？是因为它是由dsm函数生成的gam模型吗？更重要的是，如何自动最小化模型？

（当我在engine='glm'函数中使用'gam'而不是dsm时，我尝试使用stats::step函数来找到可以工作的最小模型，但是结果似乎有点恶心...所以我想使用gam引擎）

Answer 1

gam 软件包不适合使用REML或您声明的其他选项的模型。这些是 mgcv 软件包中gam()函数的选项。

method中gam::gam()参数唯一允许的选项是：

"glm.fit"，这是默认设置，并且
"model.frame"，它实际上并没有执行任何操作，因为它指示函数只是吐出由公式得出的模型框架。

区分这两个都提供gam()函数的软件包非常重要。它们是估算GAM的非常不同的方法。

在使用dsm()时，将使用mgcv::gam()而不是gam::gam()进行拟合，在这种情况下，无法将gam::step.gam()函数应用于模型。

我相信dsm()的作者建议您对select = TRUE使用mgcv::gam()参数，您可以在使用dsm()时提供该参数，并将其传递给gam()。这将对模型中的平滑项增加额外的罚款，以便可以将其从模型中缩小。

尝试step.Gam函数时出现“无效的“方法””错误

1 个答案: