【问题标题】:Obtaining GAMM intervals [closed]获取 GAMM 区间 [关闭]
【发布时间】:2013-12-02 14:53:07
【问题描述】:

我正在使用 GAMM,并希望使用方差-协方差矩阵提取模型的区间,但这样做时遇到问题

编码:

fishdata <- read.csv("http://dl.dropbox.com/s/4w0utkqdhqribl4/fishdata.csv", 
header=T)
attach(fishdata)
require(mgcv)

gammdl <- gamm(inlandfao ~ s(marinefao), correlation = corAR1(form = ~1 | year), 
family=poisson())

summary(gammdl$gam)
intervals(gammdl$lme)

但最后一行代码返回,

Error in intervals.lme(gammdl$lme) : cannot get confidence intervals on var-cov components: Non-positive definite approximate variance-covariance

我不明白为什么会出现此错误消息。

我正在尝试使用我的数据复制 Simon Wood 在 Generalized Additive Models: An Introduction with R 第 316 页所做的工作。

【问题讨论】:

  • 你真的不应该使用attach()(至少为此)。删除该行并将data = fishdata 添加到您的gamm() 呼叫中-当您在我在下面的答案中提到的房间里修理大象时。
  • 这个问题似乎是题外话,因为它是关于统计的(抱歉 - 我似乎无法推荐迁移到 stats.stackexchange.com)
  • @CarlWitthoft 您需要单独标记并手动建议将其迁移到Cross Validated
  • @GavinSimpson 谢谢;完成。

标签: r correlation gam mgcv


【解决方案1】:

这确实是统计计算的问题,而不是 R 的使用。本质上,错误意味着虽然计算可能已经收敛到拟合模型,但该模型存在问题。这归结为在模型的拟合值处计算的 Hessian 矩阵是非正定的,因此协方差矩阵的最大似然估计不可用。这通常发生在对数似然函数变得平坦、优化无法取得进一步进展的情况下,这是由于模型对于给定数据很可能过于复杂。

您可以尝试使用和不使用 AR(1) 来拟合模型,并使用广义似然比检验(通过 anova())比较它们。我猜想嵌套在year 中的 AR(1) 是多余的——即参数 $\phi$ 实际上是 0——这就是导致错误的原因。

实际上,现在我也想到您正在尝试将变量 inlandfao 建模为自身的平滑函数 s(inlandfao)。这里有一些问题 - 你会期望一个完美的配合而不需要一个平滑的功能。你需要解决这个问题;您不能将响应建模为自身的函数。

【讨论】:

  • 真傻,我已将预测变量更改为 marinefao,但我仍然遇到同样的问题。
  • @hgeop 然后就像我说的,你的模型太复杂了。你需要 AR(1) 吗?
  • 好吧,也许我的问题是错误的。我知道与普通游戏模型plot(acf(gammdl$gam$res)) 存在一些自相关,所以我需要考虑到这一点。修改 GAMM 模型,使 gamm 参数中只有 correlation = corAR1(form = ~1)家庭,这似乎很无趣,并告诉我实际上不存在非线性关系?
  • 欢迎来到 GAM 建模时间序列的问题之一。问题是自相关与平滑项不可分离。您可以将自相关 (AC) 视为模型中非常摆动的平滑函数且无残留 AC,或者相反,它在模型中是线性平滑,在 AR(1) 中是高度 AC。一种选择是猜测s() 术语所需的平滑度——您期望的摆动程度。声明为k 参数并使用fx = TRUE。这样,mgcv 将使用许多 dfs 来估计平滑度,并且 AR(1) 可以适应这种情况。
  • @hgeop 仅供参考,你想要plot(acf(resid(gammdl$gam, type = "normalized")))。不要直接从模型拟合中提取组件 - 您使用的残差是工作残​​差,您通常不需要/不需要它们。此外,当您拥有 AR(1) 时,您需要归一化残差,否则您最终会拉出头发,因为残差自相关仍将存在于标准残差中......
猜你喜欢
  • 1970-01-01
  • 1970-01-01
  • 1970-01-01
  • 1970-01-01
  • 2011-09-15
  • 1970-01-01
  • 2020-08-25
  • 2014-07-11
  • 2017-02-03
相关资源
最近更新 更多