R中的gamm模型
gamm models in R
我正在尝试使我的模型适应 gamm（我在 lmer 中使用的模型）。
我以前的公式是
b <- lmer(metric1~a+b+c+d+e+f+g+h+i+(1|X) + (1|Y), data = dataset)
我正在尝试使这个公式适应 gamm 的建模。但我还不知道怎么做。我的目的是找到简化模型。
如有任何想法或示例，我将不胜感激。
如果我没记错的话，您正在拟合一个包含两个 i.i.d 的线性混合模型。随机效应（截距）。
在这种情况下不需要使用gamm。使用 gam 和 method = REML 即可。
gam(metric1~a+b+c+d+e+f+g+h+i+ s(X, bs = 're') + s(Y, bs = 're'), data = dataset, method = 'REML')
注意我没有将其他固定效果扩展成平滑函数，你可以自己做。
如果你有一个大数据集，建议使用bam，注意这里是method = 'fREML。
REML估计gam和bam的区别，前者使用"outer"迭代，后者使用"performance"迭代。但是对于高斯数据没有区别，尽管 bam 本身是为大型数据集设计的，根据要求使用迭代 QR 缩减和并行计算。
我个人认为 gamm 已经过时了。它使用 lme 和 MASS::glmmPQL 进行 REML 估计，这比 gam 和 bam.
采用的惩罚最小二乘法效率低得多
我正在尝试使我的模型适应 gamm（我在 lmer 中使用的模型）。
我以前的公式是
b <- lmer(metric1~a+b+c+d+e+f+g+h+i+(1|X) + (1|Y), data = dataset)
我正在尝试使这个公式适应 gamm 的建模。但我还不知道怎么做。我的目的是找到简化模型。
如有任何想法或示例，我将不胜感激。
如果我没记错的话，您正在拟合一个包含两个 i.i.d 的线性混合模型。随机效应（截距）。
在这种情况下不需要使用gamm。使用 gam 和 method = REML 即可。
gam(metric1~a+b+c+d+e+f+g+h+i+ s(X, bs = 're') + s(Y, bs = 're'), data = dataset, method = 'REML')
注意我没有将其他固定效果扩展成平滑函数，你可以自己做。
如果你有一个大数据集，建议使用bam，注意这里是method = 'fREML。
REML估计gam和bam的区别，前者使用"outer"迭代，后者使用"performance"迭代。但是对于高斯数据没有区别，尽管 bam 本身是为大型数据集设计的，根据要求使用迭代 QR 缩减和并行计算。
我个人认为 gamm 已经过时了。它使用 lme 和 MASS::glmmPQL 进行 REML 估计，这比 gam 和 bam.