我有一些关于在 GAM 中使用随机效果的问题。首先，您如何解释和传达输出图？
我在这个 GAM 中将火灾建模为随机效应，因为它在我的不同现场站点上很大程度上是随机发生的，并且我只将其记录为二进制。它不能作为普通变量工作，因为它的级别太少，而且发生火灾的地点也相对较少。然而，当包含它时，它极大地改进了模型方差捕获，因此我不想简单地排除它。我不知道如何解释输出，而且我也不完全相信除了作为随机效应之外不会有其他方法将其包含在模型中。任何帮助将不胜感激！
该效应已被建模为随机slope如果您没有将其编码为数据中的一个因素。 y轴上的值是估计的斜率；它的绝对值会比使用时小一点Fire作为模型公式中的线性固定效应，因为它被惩罚（缩小）为零。
这可能应该被拟合为二元固定效应；代码Fire作为具有两个水平的因子（Yes/No, or Burned / Unburned说）。仅仅因为变量代表数据中的随机因素并不意味着它是合适的随机效应；这里的火有一些平均效应，固定效应很好地描述了这一点。没有什么可以阻止您使用Fire通过平滑编码为随机效应的因子，但只有两个级别，这两个截距不会被精确估计。
现在，如果你重复观察n网站，您认为Fire各地的效果各不相同n那么你可以做的网站s(Site, Fire, bs = 're')两者都在哪里Site and Fire是因素，你会得到不同的结果Fire对每个的影响Site。然后你显示的图上会有很多点，因为它是影响估计值的 QQ 图Fire每一个Site，因此每 1 分Site。考虑到该模型的估计方式，这些在某种程度上被假设为分布高斯分布，其方差与由下式选择的平滑参数成反比：gam()当拟合这个随机效果时更加平滑。这就是为什么默认图是这样的；这是一个 QQ 图，将观察到的随机效应估计值分布与理论预期进行比较。
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
