广义加性模型GAM

1、精品文档你这也没分析啊，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gamgam(formuI a, fami Iy二gauss i an(), data二Ii st (), we i ghts=NULL,subset二NULL,na. action, offset二NULL, method二”GCV. Cp",opt imi zer=c ("outer", nnewton"), control = l i st (),sea I e二0,seIect二FALSE,knots二NULL, sp=NULL,min. sp二NULL, H二N

2、ULL, gamma二1,fit=TRUE,paraPen二NULL,G=NULL, in.out,.)1. formu I a: GAM 的公式2. fami Iy: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” o7. offset:模型偏移量8. controI :控制参数，以取代默认值返回gam. controI9. method:平滑参数估计方法10. optimizer:指定的数值优化方法门.

3、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1o12. 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。下面是一个例子Fami Iy: gaussianLink function: identityFormula:y s (xO) + s (x1) + s (x2) + s (x3)Parametrie coefficients:Estimate

4、Std. Error t va I uePr(>|t|)#线性变量的回归系数和显著性检验结果(Intercept) 7.833280.0987879. 3<2e16 *p值V0.05,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' '1AHA12GAGGAGAGGAFFFFAFAFApprox imate s i gni ficanee of smooth terms: #曲 线拟合的结果edfRef.dfFp-vaIues (xO)2.

5、 5003. 1156. 9210. 000128*s (x1)2. 4012.98481.914< 2e-16*s (x2)7. 6988.56488. 029< 2e-16*s (x3)1.0001.0004. 3430. 037806*p值V0.05,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)二 0.715 Dev i ance exp I a i ned 二 72.5%GCV 二 4. 0505 Scale est.二 3. 9027 n 二