gam.vcomp 可以用於估計在具有 gaulss 家族的 GAM 中解釋的部分偏差嗎？

Question

我正在使用 R package mgcv 擬合 GAM 來估計平均值和 SD：

b <- gam(list(Y ~ s(X1)+s(X2)+s(X3), ~ s(X1)+s(X2)+s(X3)),
         family=gaulss(), data=somedata)

我可以使用gam.vcomp() function 來估計解釋的部分偏差，或者至少估計每個預測變量的相對重要性嗎？

如果是：由於這是對均值和方差進行建模的特殊情況，我如何標准化相對重要性？ 我必須這樣做嗎：

a <- gam.vcomp(b)
relative_importance <- a[ , 1] / sum(a[ , 1])

還是我必須將其拆分為均值和方差分量，即：

a <- gam.vcomp(b)
mean_importance <- a[1:3, 1] / sum(a[1:3, 1])
sd_importance <- a[4:6, 1] / sum(a[4:6, 1])

由於方差分量在 CI 區間中也具有不確定性，是否有一個穩健的測試可以應用來查看相對重要性的差異是否具有統計顯着性？

Answer 1

gam.vcomp返回隨機效應的方差。 這種隨機效應就像一個隨機斜率項，而不是一個隨機截距項。 因此，解釋的部分偏差將取決於gam.vcomp返回的方差以及預測變量的可變性。 這類似於混合效應模型，如果 model 中只有隨機截距，則 ICC 很容易計算，但當存在隨機斜率時則不然。