GAM fit을 사용하여 떨어 뜨린 요인 수준

주어진 지점의 일부 환경 조건에 따라 종 풍부도를 예측하기 위해 GAM 모델을 사용하고 있습니다. 저는이를 수행하고 예측을 기반으로 일반화 된 additive model (GAM)을 만들었습니다. 그러나, 하나의 카테고리 변수 (퇴적물 type = [1,2,3,4])가 모델 방정식에 있습니다. 방정식은 잘 작동하는 것처럼 보입니다. 그러나 맞는 결과는 요격 레벨 '1'을 요격으로 흡수하는 것 같습니다. 아래를 참조하십시오.GAM fit을 사용하여 떨어 뜨린 요인 수준

누구나이 모델에 대해 설명 할 수 있습니까? 나는 완전히 이해하지 못한다. 이것은 mgcv 패키지와 함께 R로 실행되었습니다. 감사!

Equation:    
abundance ~ s(x) + s(y) + s(z) + s(w) + factor(Sediment) 
Parametric coefficients: 
Estimate Std. Error z value Pr(>|z|) 

(Intercept) ------------_7.138 ----- 0.000 ------7541.26 2e-16 
     factor(Sediment)2 -0.2496868 0.0016749 -149.08 2e-16 
     factor(Sediment)3 -0.5128687 0.0058931 -87.03 2e-16 
     factor(Sediment)4 -0.1467369 0.0034606 -42.40 2e-16 

Approximate significance of smooth terms: 
       _________ _edf Ref.df Chi.sq p-value  
s(x) 3.983  4 69264 2e-16 
s(y) 3.998  4 1147536 2e-16 
s(z) 3.995  4 197458 2e-16 
s(w) 3.999  4 340085 2e-16

출처

2012-06-12 michael drexler

stats.stackexchange.com에서 질문의 중복으로 투표를 마감 할 수없는 것으로 보입니다. 아직 [there] (http://stats.stackexchange.com/q/26539/5055)입니다. – joran

요격 유형 1은 참조 수준 (첫 번째 수준)이므로 침전물 유형 1의 평균 존재량을 나타냅니다. 추정치는 다른 수준의 퇴적물 유형에 대한 계수이며 기준 수준 (침전물 유형 1)에서 그 유형의 편차를 나타냅니다.

이것은 모델의 요소 변수를 사용하는 표준 규칙입니다. 모델에 절편이 있으면 표현할 수 없습니다 및 모델 행렬의 결과 열에 대한 각 수준의 수준은 서로 선형 적으로 종속됩니다. 하나 이상의 소수 열에 대해 동일한 정보를 나타낼 수 있습니다 모델 행렬에서.

원하는 경우 수식에 - 1을 추가하여 가로 채기를 삭제할 수 있지만 그 이유는 여기에 나와 있지 않습니다.

출처

2012-06-12 17:29:25

수식에'-1'을 추가하면 더 많은 SO 또는 SE 질문이 나옵니다. –

@DWin ??? 그런 모델을 통계적으로 해석한다는 의미입니까? 그래, 난 동의; 사이먼 우드 (Simon Wood)가 연구 한 GAM을 식별 할 수있는 모든 제약 조건이 있기 때문에, 나는 그를 신뢰하고 절편을 지키기로했다. –

R의 대조 해석에 대한 추가 질문이 생길 것이라고 생각했습니다. 특히 GAM 사례는 생각하지 않았습니다. –

GAM fit을 사용하여 떨어 뜨린 요인 수준

답변

관련 문제