"invalid `method'" 尝试 step.Gam 函数时出错

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

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)

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()method 参数唯一允许的选项是:

  1. "glm.fit",这是默认值,
  2. "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()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。