我有一个带有许多协变量的gam
函数,我想简化它(找到最小模型)
我使用了一个dsm
函数来建模一个物种的密度,作为协变量的函数。而且效果很好!但这是一个协变量太多的最大模型,我想自动减少它们的数量。所以我尝试使用gam::step.Gam
函数。(我还使用了gam.scope
函数来确保我做的每件事都是正确的)。
DSM代码:
GamModel = dsm(
ddf.obj=PreparedDdf,
formula = D ~ x + y + Cov1 + Cov2 +...+ Covn factor1+ factor2+...+factorn,
family=gaussian(link='identity'),
group=FALSE,
engine='gam',
convert.units=1,
segment.data=segment.df,
observation.data=observation.df
)
步骤。Gam代码:
GamScope=gam.scope(segment.df[,c(5:6,11:16)], response=1, smoother="s", arg=NULL, form=TRUE)
MinModel = step.Gam(GamModel, GamScope, trace=TRUE, direction="backward")
我希望得到最小的模型,但它给了我以下错误:
gam中的错误(公式=D~x+Cov1+Cov2+Cov3,:无效的"方法":REML
我不明白为什么会发生这种情况!我尝试了不同的方法(GACV.Cp,ML),但我得到了相同类型的错误(无效方法:GACV.Cp等)为什么会发生这种情况?是因为它是由dsm函数生成的gam模型吗?更重要的是,如何自动最小化模型??
(当我在dsm
函数中使用engine='glm'
而不是'gam'
时),我尝试使用stats::step
函数来找到它工作的最小模型,但结果似乎有点可疑。。。所以我想使用gam引擎)
gam包不适合使用REML或您声明的其他选项的模型。这些是mgcv包中gam()
函数的选项。
gam::gam()
中method
参数唯一允许的选项是:
"glm.fit"
,这是默认值,以及"model.frame"
,它并没有真正做任何事情,因为它指示函数只吐出由公式产生的模型帧
区分这两个都提供gam()
功能的包非常重要。它们是估计GAM的非常不同的方法。
当您使用dsm()
时,您将使用mgcv::gam()
而不是gam::gam()
进行拟合,在这种情况下,您无法将gam::step.gam()
函数应用于模型。
我相信dsm()
的作者建议您对mgcv::gam()
使用select = TRUE
参数,您可以在使用dsm()
时提供该参数,该参数将在gam()
上传递。这将为模型中的平滑项添加额外的惩罚,以便它们可以从模型中缩小。