广义加性模型GAM.doc

.你这也没分析啊，就是用head命令把前6行输出出来了。你是说你用广义加性模型gam gam(formula,family=gaussian(),data=list(),weights=NULL,subset=NULL, na.action,offset=NULL,method="GCV.Cp", optimizer=c("outer","newton"),control=list(),scale=0, select=FALSE,knots=NULL,sp=NULL,min.sp=NULL,H=NULL,gamma=1, fit=TRUE,paraPen=NULL,G=NULL,in.out,.)1. formula：GAM的公式2. family：服从的分布3. data：所需的一个数据框或列表包含模型响应变量，协变量4. weights：现有的数据上的权重5. subset：可以使用的观测值的一个子集。6. na.action：一个函数，它表示时会发生什么数据包含“NA”。7. offset：模型偏移量8. control：控制参数，以取代默认值返回gam.control9. method：平滑参数估计方法10. optimizer：指定的数值优化方法11. scale：如果这是正的，尺度参数；负的，规模参数未知。 0说明是泊松分布和二项分布和未知的，否则，尺度参数为1。12. select：如果这是TRUE然后gam可以添加一个额外的惩罚变量，以每学期，以便它可以被扣分零。这意味着平滑参数估计是拟合的一部分的，可以完全除去从模型中的条款。如果相应的平滑参数估计值为零，那么额外的惩罚没有任何效果。精品.下面是一个例子Family: gaussianLink function: identityFormula:y s(x0) + s(x1) + s(x2) + s(x3)Parametric coefficients: Estimate Std. Error t value Pr(>|t|) #线性变量的回归系数和显著性检验结果(Intercept)7.83328 0.09878 79.3 <2e-16 *p值0.05，没有通过原假设，有显著的统计意义。-Signif. codes:0 * 0.001 * 0.01 * 0.05 . 0.1 1精品.Approximate significance of smooth terms:#曲线拟合的结果 edf Ref.df Fp-value s(x0) 2.5003.1156.921 0.000128 *s(x1) 2.4012.984 81.914< 2e-16 *s(x2) 7.6988.564 88.029< 2e-16 *s(x3) 1.0001.0004.343 0.037806 *p值0.05，没有通过原假设，有显著的统计意义。理论上，当自由度接近1时，表示是线性关系；当自由度比1大，则表示为曲线关系。-Signif. codes:0 * 0.001 * 0.01 * 0.05 . 0.1 1R-sq.(adj) =0.715 Deviance explained = 72.5%GCV = 4.0505Scale est. = 3.9027 n = 400R-sq.(adj) ：调整R方GCV是：广义交叉验证法Deviance explained：解释偏差如有侵权请联系告知删除，感谢你们的配合！精品