GAM 中的时间自相关

Question

我正在根据一系列环境预测因子对过去 40 年来零星收集的物种计数数据进行建模。目前，我的 GAM 是这样的：

k = gam(CountIndividuals ~ s(Date, bs = 'cr', k = 8) + 
s(ENSO, bs = 'cr', k = 4) + s(mean_wind_speed, bs = 'cr', k = 4) + 
s(CHL, bs = 'cr', k = 4) + s(SST, bs = 'cr', k = 4) + 
s(SIOD, bs = 'cr', k = 4), family = nb(link = log), 
data = Shy_Albatross, method = "REML")

我一直担心变量中的自相关，但是在使用 ACF() 和 PACF() 检查 k$ 残差时，似乎没有任何自相关。

我的问题是我是否需要单独评估模型中的每个变量？那里的值应该存在自相关，但是我不确定这是否相关。

Answer 1

模型的一个假设是观测值 有条件地 独立。如果您通过模型中的项对自相关建模，并且可以合理地期望 Date 的平滑函数和模型中的其他变量正在解释数据中的时间结构，这样一旦我们考虑模型, 观察结果是独立的。

通过查看残差，您正在查看以模型为条件的观察结果。

GAM 中的时间自相关

Temporal autocorrelation in GAM

r

gam

autocorrelation