"invalid `method'" 尝试 step.Gam 函数时出错

Question

我有一个包含许多协变量的 gam 函数，我想简化它（找到最小模型）

我使用 dsm 函数来模拟跨线横切段的物种密度作为协变量的函数。而且效果很好！但它是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
)

step.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")

我希望获得最小模型，但它给我以下错误：

Error in gam(formula = D ~ x + Cov1 + Cov2 + Cov3, : invalid `method': REML

而且我不明白为什么会这样！我尝试了不同的方法（GACV.Cp、ML）但我得到了同样的错误（无效的方法：GACV.Cp 等）为什么会这样？是不是因为是dsm函数生成的gam模型？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，但是结果似乎有点乱...所以我想使用gam引擎）

Answer 1

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，
"model.frame"，它实际上并没有做任何事情，因为它指示函数只是吐出公式产生的模型框架。

区分这两个都提供 gam() 功能的包非常重要。它们是非常不同的 GAM 估计方法。

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() 的作者建议您使用 mgcv::gam() 的 select = TRUE 参数，您可以在使用 dsm() 时提供该参数并将通过在 gam() 上。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。

"invalid `method'" 尝试 step.Gam 函数时出错

"invalid `method'" error when I try the step.Gam function

r

distance

sampling

gam