R：具有多个负二项式 thetas 的 GAM
R: GAM with multiple negative binomial thetas
我使用 mgcv 包中的 gam 在负二项式族中拟合广义加性模型。我有一个数据框，其中包含我的因变量 Y、一个自变量 X、其他自变量 Oth 和一个因子 Fac。我想适合以下型号
Y ~ s(X) + Oth
每个因素水平具有不同的 theta。换句话说，我使用
fit <- gam(Y~s(X)+Oth, family=nb())
但这只为整个数据集提供了一个分散参数 theta。相反，我认为各因素的均值相同，因此 s(X) 和 Oth 只需要一组系数，但方差因因素而异，所以我想要一个分散估计 theta 每级 Fac.
当然，每个因子水平拟合一个模型是行不通的，因为我会得到一组每个因子水平的自变量系数，而不是整个数据集的一组系数。
解决您的问题的最佳方法是使用 gamlss 包。您将能够通过 X 变量对 mean 进行建模，通过 X 和 Fac 变量对 variance 进行建模，因此您将获得所有 levels 的参数你的因素。
我使用 mgcv 包中的 gam 在负二项式族中拟合广义加性模型。我有一个数据框，其中包含我的因变量 Y、一个自变量 X、其他自变量 Oth 和一个因子 Fac。我想适合以下型号
Y ~ s(X) + Oth
每个因素水平具有不同的 theta。换句话说，我使用
fit <- gam(Y~s(X)+Oth, family=nb())
但这只为整个数据集提供了一个分散参数 theta。相反，我认为各因素的均值相同，因此 s(X) 和 Oth 只需要一组系数，但方差因因素而异，所以我想要一个分散估计 theta 每级 Fac.
当然，每个因子水平拟合一个模型是行不通的，因为我会得到一组每个因子水平的自变量系数，而不是整个数据集的一组系数。
解决您的问题的最佳方法是使用 gamlss 包。您将能够通过 X 变量对 mean 进行建模，通过 X 和 Fac 变量对 variance 进行建模，因此您将获得所有 levels 的参数你的因素。