[英]How to test the statistical significance of a random effect in GAMM?
我现在正在使用包mgcv
在 R 中构建一个 GAMM,我的问题是:
gamm
中的“偏移量”是什么意思? 我已经检查了 R 帮助,但我仍然对函数中的“偏移”术语感到困惑? 谢谢你的帮助。该示例取自《 广义可加模型:R介绍》一书
library(mgcv)
library(gamair)
data(sole)
sole$off <- log(sole$a.1-sole$a.0)
sole$a<-(sole$a.1+sole$a.0)/2
solr<-sole
solr$t<-solr$t-mean(sole$t)
solr$t<-solr$t/var(sole$t)^0.5
solr$la<-solr$la-mean(sole$la)
solr$lo<-solr$lo-mean(sole$lo)
solr$station <- factor(with(solr,paste(-la,-lo,-t,sep="")))
som <- gamm(eggs~te(lo,la,t,bs=c("tp","tp"),k=c(25,5),d=c(2,1))
+s(t,k=5,by=a)+offset(off), family=quasipoisson,
data=solr,random=list(station=~1))
请注意,对于此模型,通过带有gam()
和bam()
family tw
使用 Tweedie 响应可能更有意义,这不能与gamm()
一起使用。 事实上,Simon Wood 和 Matteo Fasiolo 将这些数据与位置尺度 Tweedie GAM 拟合(其中他们对 Tweedie 分布的均值、方差和功效参数进行建模,每个参数都具有单独的线性预测器 [模型])。
在@BenBolker 的建议下:我什至不会专门测试这个模型中的随机效应,而且我通常不在乎它是否显着。 这取决于我正在研究的问题或假设。 通常我希望它在模型中,因为我希望包含在模型中的数据中有一些聚类,而不管重要性如何。
但是,我不相信(广义)似然比检验 (GLRT) 的理论不适用于在这种情况下使用准似然。 Simon Wood 在他的 GAMS 教科书第二版的附录 A 中提出了推导,表明如果我们用对数准似然替换对数似然,先前推导出的最大似然估计结果(包括 GLRT 的结果)成立。 至少西蒙似乎在争论,这表明我在下面提到的测试的解释和在summary.gam()
实现的随机效应一样可靠,就好像它是基于适当的可能性一样。
除非我真的需要,否则我会用gam()
或bam()
然后gamm4()
(后者来自gamm4包),在gamm()
之前,特别是对于非高斯模型,作为gamm()
函数必须将该模型拟合为使用惩罚准似然的混合效应模型,这不一定是估计这些模型的最佳方法。
library(mgcv)
library(gamair)
devtools::install_github('gavinsimpson/gratia')
library(gratia)
data(sole)
sole$off <- log(sole$a.1-sole$a.0)
sole$a<-(sole$a.1+sole$a.0)/2
solr <- sole
solr$t <- solr$t-mean(sole$t)
solr$t <- solr$t/var(sole$t)^0.5
solr$la <- solr$la-mean(sole$la)
solr$lo <- solr$lo-mean(sole$lo)
solr$station <- factor(with(solr,paste(-la,-lo,-t,sep="")))
som <- gam(eggs ~ te(lo, la, t, bs = c('tp','tp'), k = c(25, 5), d = c(2,1)) +
s(t, k = 5, by = a) + s(station, bs = 're') + offset(off),
family = quasipoisson, data = solr, method = 'REML')
然后summary(som)
根据@BenBolker 的建议给出基于似然比测试的测试,但参考分布被校正以在参数空间的边界上进行测试。
> summary(som)
Family: quasipoisson
Link function: log
Formula:
eggs ~ te(lo, la, t, bs = c("tp", "tp"), k = c(25, 5), d = c(2,
1)) + s(t, k = 5, by = a) + s(station, bs = "re") + offset(off)
Parametric coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) -3.4016 0.3061 -11.11 <2e-16 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Approximate significance of smooth terms:
edf Ref.df F p-value
te(lo,la,t) 56.025 65.456 2.547 4.62e-10 ***
s(t):a 4.535 4.886 54.790 < 2e-16 ***
s(station) 128.563 388.000 1.175 < 2e-16 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
R-sq.(adj) = 0.833 Deviance explained = 88%
-REML = -7.9014 Scale est. = 0.58148 n = 1575
我遇到了麻烦,使用获得的模型没有收敛的随机效应gamm()
所以我无法测试随机效应项和尝试的多模式表单时即使遇到错误anova()
如果你想获得随机效果,使用gam()
模型,你可以使用我的gratia包(希望几天后在 CRAN 上,但可以从 github 安装,如上所示),然后:
> evaluate_smooth(som, 's(station)')
# A tibble: 394 x 5
smooth by_variable station est se
<chr> <fct> <chr> <dbl> <dbl>
1 s(statio… NA -0.0004304761904734280.419685714285714-… -0.0396 2.55
2 s(statio… NA -0.0004304761904734280.6586857142857140… 1.48 1.20
3 s(statio… NA -0.0004304761904734281.15968571428571-1… -0.00606 2.63
4 s(statio… NA -0.0004304761904734281.176685714285710.… -0.0767 2.48
5 s(statio… NA -0.002430476190475870.9096857142857141.… -0.00654 2.63
6 s(statio… NA -0.01243047619047390.4106857142857140.0… -0.802 1.61
7 s(statio… NA -0.0154304761904740.631685714285714-0.4… -0.138 2.35
8 s(statio… NA -0.02043047619047660.375685714285714-0.… -0.426 1.94
9 s(statio… NA -0.02543047619047911.14668571428571-0.4… -0.0333 2.57
10 s(statio… NA -0.02743047619047450.875685714285714-0.… -0.0673 2.49
# … with 384 more rows
并且您想要est
列。
偏移量是模型中具有固定效应为 1 的项。在这种情况下,它被用于标准化计数响应,以便您逐一比较; 在这个例子中,它被用来整合这个样本中发现的鸡蛋的年龄。 阅读第 Simon 的 GAM 书籍第 2 版的 143 以了解有关此模型正在执行的操作以及偏移量的含义的更多信息。
更一般地说,假设您在一条带有两个网的河流中取样; 一个网的面积是另一个的两倍。 您更有可能在更大的网中捕获更多的东西,因此,由于更大的采样工作,更大的网中的计数会更高——您用更大的网扫过更多的河流(假设您采样了相同数量的时间)。 为了确保您考虑到这种工作量差异,您可以在模型中包含一个偏移量。 偏移量将是(对于具有对数链接的泊松模型) offset(log(net_area))
。 我们必须在链接比例上包括偏移量,因此log()
。 现在我们正在建模的是每单位面积的网数。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.