赖江山的博客分享 http://blog.sciencenet.cn/u/laijiangshan 生态、统计与R语言

博文

gam.hp:一个用于分解广义可加模型GAM模型的explained deviance和adjusted R2的R包已发

已有 2670 次阅读 2024-3-13 16:01 |个人分类:glmm|系统分类:科研笔记

广义可加模型(GAM,Generalized Additive Models)是一种具备高度灵活性和自由度的非线性回归统计模型。先前我个人倾向于将其应用于预测可能更有用,因其准确性颇受信赖。然而,当涉及到解释性方面时,我曾对其适用性抱有疑虑,总觉得可能存在过拟合的现象,使得mgcv包中GAM给出的校正R2r.sq)和被解释离差比例(explained deviance)等指标在实际应用中显得不那么有说服力。但最近一位来自广州气象局的工程师联系我,表达了对于了解GAM中各变量相对重要性的需求,他希望能像对广义线性混合模型(GLMM)用glmm.hp分解那样,得到各预测变量单个的解释比例。用户的需求,始终是我们不断前进的动力。我们继续将平均共享方差的思想(Lai et al. 2022,2003拓展至GAM模型,并推出了全新的gam.hp包,现已新鲜出炉并上传至CRANgithub平台(已经可以正常安装下载),或是百度网盘下载本地安装(pan.baidu.com/s/1bzkJJuPOZvW_XIoz_I9BGw 提取码: gp4x)。我们诚邀各位用户安装并尝试运行此包,体验其带来的新功能,以对gam模型的深入理解。

由于GAM的预测部分支持多种复杂且多变的光滑模式,我们尚不能完全确定当前函数是否能够应对所有情况。因此,我们恳请各位用户在使用的过程中,提供宝贵的反馈意见,帮助我们不断优化和完善。若有任何问题或建议,欢迎通过电子邮件与我联系:lai@njfu.edu.cngam.hp()函数有三个参数:mgcv包中gam函数输出的模型对象、type参数(用于定义输出类型为adjR2dev,默认为dev),以及一个逻辑参数,用于控制是否输出commonality分析结果。此外,我们还提供了S3泛函数plot()进行绘图,还有置换检验函数permu.gamhp()帮助用户获取individual effectp值。需要强调的是,这个p值仅作为参考,用户可根据实际情况选择是否采纳,它并不作为变量影响是否显著的诊断依据。为了方便大家快速体验gam.hp包的功能,附上了简单的安装及测试代码。期待与您一同探索“平均共享方差”这一理论更多的拓展,共同推动统计模型的发展与应用。

#library(devtools)

#install_github('laijiangshan/gam.hp',build_vignettes = TRUE)

install.packages("gam.hp")

library(gam.hp)

dat<-gamSim(1,n=400,dist="normal",scale=2)

b<-gam(y~s(x0)+s(x1)+s(x2)+s(x3),data=dat)

bt<-gam(y~s(x0)+s(x1)+s(x2)+s(x3)+ti(x1,x2,k=6),

data=dat,method="REML")

gam.hp(mod=b,type="dev")

gam.hp(mod=bt,type="adjR2")

permu.gamhp(b,permutations=100)

plot(gam.hp(mod=b,type="dev"))

gam模型.jpeg

参考文献:

1.Jiangshan Lai*, Yi Zou, Jinlong Zhang, Pedro R. Peres-Neto. 2022. Generalizing hierarchical and variation partitioning in multiple regression and canonical analyses using the rdacca.hp R package. Methods in Ecology and Evolution,13:782-788

2. Jiangshan Lai*, Yi Zou, Shuang Zhang, Xiaoguang Zhang. Lingfeng Mao.2022. glmm.hp: an R package for computing individual effect of predictors in generalized linear mixed models. Journal of Plant Ecology 15(6):1302-1307. https://doi.org/10.1093/jpe/rtac096.

3. Jiangshan Lai*, Weijie Zhu, Dongfang, Cui, Lingfeng Mao. 2023. Extension of the glmm.hp Package to Zero-Inflated Generalized Linear Mixed Models and Multiple Regression,Journal of Plant Ecology  16(6):rtad038,  https://doi.org/10.1093/jpe/rtad038



https://blog.sciencenet.cn/blog-267448-1425184.html

上一篇:为什么用rdacca.hp做分组变量解释率,不是一个一个变量的解释率简单的加和?
下一篇:变量筛选后的模型只适用于预测而不完全适用于因果推断
收藏 IP: 202.119.212.*| 热度|

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-12-23 23:15

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部