GAMM với dữ liệu không tăng

Có thể điều chỉnh GAMM (Mô hình hỗn hợp phụ gia tổng quát) cho dữ liệu không tăng trong R không?

Nếu không, có thể điều chỉnh GAM (Mô hình phụ gia tổng quát) cho dữ liệu được thổi phồng bằng 0 với phân phối nhị phân âm hoặc bán chuẩn âm trong R không? (Tôi đã tìm thấy các hàm COZIGAM :: zigam và mgcv: ziP để phân phối Poisson)

Ngoài mgcv và các họ Poisson không bị thổi phồng ( ziP()và ziplss()), bạn cũng có thể xem gói brms của Paul-Christian Bürkner. Nó có thể phù hợp với các mô hình phân phối (trong đó bạn mô hình nhiều hơn chỉ là giá trị trung bình, trong trường hợp của bạn, thành phần lạm phát bằng không của mô hình có thể được mô hình hóa như là một hàm của hàm số giống như hàm đếm).

Bạn có thể bao gồm smooths trong bất kỳ dự đoán tuyến tính (cho / đếm trung bình, không lạm phát một phần, vv) thông qua s()và t2()điều kiện cho đơn giản 1-d hoặc đẳng hướng 2-d splines, hoặc splines sản phẩm tensor đẳng hướng tương ứng. Nó có hỗ trợ cho các bản phân phối nhị phân bằng 0, Poisson, nhị phân âm và beta, cộng với các bản phân phối beta không có một phần. Nó cũng có các mô hình rào cản cho các phản ứng nhị phân Poisson và âm tính (trong đó phần đếm của mô hình là phân phối bị cắt bớt để không tạo ra các số 0 nữa).

brms phù hợp với các mô hình này bằng STAN , vì vậy chúng hoàn toàn là Bayes, nhưng điều này sẽ yêu cầu bạn tìm hiểu một bộ giao diện mới để trích xuất thông tin liên quan. Điều đó nói rằng, có một số gói cung cấp các chức năng hỗ trợ cho nhiệm vụ này và brms có các hàm trợ giúp được viết bằng cách sử dụng các gói thứ cấp này. Bạn sẽ cần cài đặt STAN và bạn sẽ cần một trình biên dịch C ++ khi brms biên dịch mô hình như được định nghĩa bằng cách sử dụng R thành mã STAN để đánh giá.

Các glmmTMBgói cung cấp này và được mô tả trong một bài báo gần đây bioRxiv: Brooks et al. (2017). Mô hình hóa dữ liệu đếm không bị ảnh hưởng vớiglmmTMB , bioRxiv, doi: 10.1101 / 132753 .

Gavin Simpson cũng có một bài đăng trên blog tuyệt vời để so sánh glmmTMBvới mgcvmục đích này: Số lượng phù hợp và số lượng GLMM không tăng cao với mgcv .