Các mô hình phụ gia tổng quát - ai nghiên cứu về chúng ngoài Simon Wood?

Tôi sử dụng GAM ngày càng nhiều. Khi tôi đi cung cấp tài liệu tham khảo cho các thành phần khác nhau của chúng (làm mịn lựa chọn tham số, cơ sở spline khác nhau, giá trị p của thuật ngữ trơn), tất cả chúng đều từ một nhà nghiên cứu - Simon Wood, tại Đại học Bath, Anh.

Anh ta cũng là người duy trì mgcvtrong R, nơi thực hiện công việc của mình. mgcvlà rất phức tạp, nhưng hoạt động rất tốt.

Có những thứ cũ hơn, chắc chắn. Ý tưởng ban đầu được ghi nhận cho Hastie & Tibshirani, và một cuốn sách giáo khoa cũ tuyệt vời đã được viết bởi Ruppert et al vào năm 2003.

Là một người áp dụng, tôi không có nhiều cảm giác về chủ nghĩa tư tưởng trong số các nhà thống kê học thuật. Công việc của anh ấy được coi như thế nào? Có một chút lạ khi một nhà nghiên cứu đã làm rất nhiều trong một lĩnh vực? Hoặc có công việc nào khác đơn giản là không được chú ý nhiều vì nó không được đưa vào bên trong mgcv? Tôi không thấy GAM sử dụng nhiều như vậy, mặc dù tài liệu có thể truy cập hợp lý cho những người được đào tạo thống kê và phần mềm được phát triển khá tốt. Có nhiều "câu chuyện ngược" không?

Khuyến nghị của các mảnh phối cảnh và các công cụ tương tự khác từ các tạp chí thống kê sẽ được đánh giá cao.

Có nhiều nhà nghiên cứu về GAM: về cơ bản, cùng một mô hình (GLM với bộ dự đoán tuyến tính được cung cấp bởi tổng số các chức năng trơn tru) được đặt rất nhiều tên khác nhau. Bạn sẽ tìm thấy các mô hình mà bạn có thể gọi là GAM gọi là: mô hình hồi quy bán đảo, mô hình ANOVA spline làm mịn, mô hình hồi quy phụ gia có cấu trúc, mô hình cấu trúc phụ gia tuyến tính tổng quát, mô hình phụ gia tổng quát cho quy mô và hình dạng vị trí, mô hình biến tiềm ẩn Gaussian, v.v.

Một lựa chọn nhỏ của các nhà nghiên cứu về các chủ đề liên quan đến GAM với góc độ tính toán là:

Ray Carroll, Maria Durban, Paul Eilers, Trevor Hastie, Chong Gu, Sonja Greven, Thomas Kneib, Stephan Lang, Brian Marx, Bob Rigby, David Ruppert, Harvard Rue, Fabian Scheipl, Mikis Stasinopoulus, Matt Wand, Grace Wahba, Thomas Yee .

(và có rất nhiều người làm việc về các trò chơi được tăng cường, lý thuyết liên quan đến GAM và các phương pháp phân tích dữ liệu chức năng liên quan chặt chẽ). Các bài viết của tôi chủ yếu là về việc phát triển các phương pháp GAM hiệu quả và tổng quát để tính toán, nhưng đó chắc chắn không phải là tất cả những gì cần nói về chủ đề này.

học giả google cung cấp rất nhiều lượt truy cập, ngoài các tài liệu tham khảo ở trên và trong các nhận xét, một số điều thú vị là:

http://www.scTHERirect.com/science/article/pii/S0304380002002041 GAM trong các nghiên cứu về phân bố loài, được xuất bản trong "Mô hình sinh thái"

http://aje.oxfordjournals.org/content/156/3/193.short Sử dụng GAM trong các nghiên cứu về ô nhiễm không khí và sức khỏe

nhưng OP dường như quan tâm nhiều hơn đến lý thuyết thống kê, vì vậy:

http://www.scTHERirect.com/science/article/pii/S0167947398000334 đây là về các thuật toán phù hợp tốt hơn

http: // onlinel Library.wiley.com/doi/10.1111/1467-9876.00229/abab onlinel Library.wiley.com/doi/10.1111/1467-9876.00229/ab khu vực suy luận Bayesian dựa trên các linh mục Trường ngẫu nhiên MArkov

http: // onlinel Library.wiley.com/doi/10.1111/1467-9469.00333/abab?deniedAccessCustomisedMessage=&userIsAuthenticated=false về các phương pháp ước tính trong ...

tất cả điều này với nhiều tác giả khác nhau, vì vậy câu trả lời cho câu hỏi ban đầu dường như rất nhiều .