101. Genelleştirilmiş Toplamsal Model (GAM)
Analiz kimliği: gam · Menü adı: GAM (Genelleştirilmiş Toplamsal Model) · Panel: gui/panels/analyses/gam_panel.py (ek çıktılar _gam_extras, satır 231–300) · Motor: stats/gam_analysis.py, run_gam (satır 608–952), _select_lams (461–603), _build_edof_per_term (133–186); kestirim pygam 0.12 (LinearGAM, LogisticGAM, PoissonGAM, GammaGAM)
101.1 Ne işe yarar
Genelleştirilmiş toplamsal model (GAM), bir açıklayıcının sonuç üzerindeki etkisini önceden bir biçim (doğru, parabol, üstel) varsaymadan, veriden öğrenilen düzgün bir eğriyle modeller. Cevapladığı soru şudur: "Yaş arttıkça bir yıllık ölüm olasılığı nasıl değişiyor; değişim doğrusal mı, yoksa belirli bir yaştan sonra mı hızlanıyor?"
- y_i: i. gözlemin bağımlı değişkeni.
- g: bağlantı fonksiyonu; Gauss ailesinde birim (g(\mu)=\mu), Binom'da logit, Poisson ve Gamma'da log.
- f_j: j. açıklayıcının düzgünleştirici (smooth) fonksiyonu; biçimi kestirilir.
- \mathbf z_i^{\top}\boldsymbol\gamma: isteğe bağlı cezasız doğrusal terimler ve faktör kuklaları ("Doğrusal (parametrik) terimler", "Kategorik faktörler").
- Toplamsallık: etkiler toplanır; f_1 ile f_2 arasında etkileşim modellenmez.
MerQur'da her f_j, eşit aralıklı düğümlü kübik B-spline tabanı ile ikinci fark cezası (P-spline; Eilers ve Marx 1996) olarak kurulur. Kestirim pygam paketine yaptırılır; MerQur terim edf'sini, \lambda seçimini, parametrik terim çıkarımını ve ek testleri kendi kodunda hesaplar.
Ne zaman kullanılır?
- Sürekli bir açıklayıcının etkisinin doğrusal olmadığından şüpheleniliyor, ama biçimi bilinmiyorsa.
- Birden çok açıklayıcının ayrı ayrı esnek etkisi, toplamsal bir modelde birlikte kestirilmek isteniyorsa.
- Doğrusal regresyonun artık–açıklayıcı grafiğinde eğrilik görüldüyse.
Ne zaman kullanılmaz?
- İlişkinin kuramsal bir biçimi varsa (lojistik büyüme, Michaelis–Menten): parametreleri yorumlanabilir olduğu için Doğrusal Olmayan Regresyon.
- Yalnız bir ya da iki açıklayıcıyla görsel düzgünleştirme ve keşif amaçlanıyorsa: LOESS (Yerel Regresyon).
- Etkileşimli yüzey ya da ikinci derece bir model aranıyorsa: Yanıt Yüzeyi Regresyonu; GAM'da yalnız tek değişkenli s() terimleri vardır.
- Örneklem 20'den küçükse: MerQur çalışmaz (
gam_analysis.py:666–668); Doğrusal Regresyon ya da polinom terimi.
Sık karıştırılan analizler. LOESS de esnek bir eğri verir ama çok değişkenli toplamsal model kurmaz ve olabilirlik tabanlı bir aile (Binom, Poisson) içermez. Polinom regresyon eğriliği tüm aralıkta tek bir fonksiyonla yakalar; uçlarda aşırı salınım yapabilir. Spline'lar yereldir: bir bölgedeki veri, uzak bölgedeki eğriyi az etkiler. Doğrusal olmayan regresyon sabit bir formülün parametrelerini kestirir; GAM ise formülü değil eğrinin kendisini kestirir.
101.2 Varsayımlar ve veri türü
| Varsayım | Ne demek | MerQur'da nasıl denetlenir |
|---|---|---|
| Toplamsallık | Açıklayıcıların etkileri toplanır, etkileşim yoktur. | Denetlenmez. |
| Düzgünlük | Her f_j düzgün (ikinci türevi küçük) bir fonksiyondur. | Ceza ile zorlanır; \lambda ile ayarlanır. |
| Yeterli taban boyutu | k (spline sayısı) gerçek eğriyi temsil edebilecek kadar büyüktür. | "Temel boyut yeterliliği (k-indeksi)" ek çıktısı. |
| Aile doğru | Gauss'ta sabit varyans; Binom'da y\in[0{,}1]; Poisson'da y\ge0; Gamma'da y>0. | Tanım kümesi denetlenir; dışındaysa hata (gam_analysis.py:701–709). |
| Bağımsız gözlemler | Kümelenme, tekrarlı ölçüm yok. | Denetlenmez. |
Eksik değer. Bağımlı değişken, düzgünleştirilen açıklayıcılar, doğrusal terimler ve faktörlerin herhangi birinde eksik ya da sayıya çevrilemeyen değer olan satır çıkarılır (liste bazında; gam_analysis.py:662–665). Çıkarılan satır sayısı metinde ayrıca yazılmaz; N satırı kalan gözlem sayısını verir.
Uç durumlar (koddan).
- Geçerli gözlem 20'den azsa "GAM için minimum 20 geçerli gözlem gerekli" hatası (
gam_analysis.py:666–668). - Faktörün tek düzeyi varsa hata (434–435).
- Otomatik \lambda seçiminde ölçüt hiçbir noktada hesaplanamazsa "Düzgünleştirme parametresi seçilemedi" hatası (491–492); seçilen \lambda arama alt sınırındaysa (e^{-12}) "ayrışmış uyum olabilir" uyarısı (494–496).
- Binom ailede y kesirliyse (oran) log-olabilirlik, AIC ve McFadden R^2 "—" yazılır; sapma geçerlidir (709–725).
- pygam'ın Cholesky ayrışımı başarısız olursa sırt (ridge) cezası 10 katına çıkarılarak yeniden denenir (pygam
_cholesky); bu, çok büyük \lambda'larda olur ve uyarısız kalır.
101.3 Parametreler
Varsayılanlar add_form_rows'tan (gam_panel.py:49–147) ve execute imzasından (179–203) alınmıştır.
| Arayüz adı | Varsayılan | Ne yapar | Sonucu nasıl değiştirir |
|---|---|---|---|
| Bağımlı değişken | ilk sayısal sütun | y. | — |
| Aile | Gauss (sürekli) | Gauss, Binomial (0/1), Poisson (sayım), Gamma (log bağ fonksiyonu). | Bağlantı, sapma, ölçek; Gauss/Gamma'da t ve F, ötekilerde z ve \chi^2. |
| Taban fonksiyonu sayısı (spline) | 10 (4–20) | Her s() teriminin B-spline sayısı k. | Üst esneklik sınırı; terim edf'si en çok k-1 olabilir. |
| λ (lambda) | 0,6 (0,01–100) | Sabit düzgünleştirme parametresi. | Büyük \lambda daha düz eğri, küçük \lambda daha bükülgen. Otomatik seçimde kapalı ve kullanılmaz. |
| Düzgünleştirme seçimi | Sabit λ | Sabit λ; Otomatik — GCV/UBRE; Otomatik — REML. | \lambda veriden seçilir; edf ve uyum değişir. |
| Bağımsız değişkenler | en az 1 | s() ile düzgünleştirilecek sayısal açıklayıcılar. | Her biri ayrı bir f_j. |
| Doğrusal (parametrik) terimler | boş | Cezasız doğrusal terim (\lambda=0). | Açıklayıcılar listesinde de seçiliyse s() listesinden çıkarılır (gam_analysis.py:639–641). |
| Kategorik faktörler | boş | İşlem kodlu kuklalar; ilk düzey referans. | Kukla katsayıları ve faktörün bütünsel Wald testi. |
| Ek çıktılar: Düzeltilmiş R² ve doğrusal modele karşı test | kapalı | mgcv summary.gam R^2_{\text{adj}} ve anova.gam tipi karşılaştırma. |
Ek bölüm. |
| Ek çıktılar: Temel boyut yeterliliği (k-indeksi) ve artık özeti | kapalı | mgcv k.check karşılığı; 400 permütasyon, tohum (seed) 42. |
Ek bölüm. |
| Grafik | Kısmi bağımlılık eğrileri | Ya da 3B yüzey (iki sürekli yordayıcı). | Yalnız grafik. |
Güven düzeyi formda yoktur; kısmi bağımlılık bantları her zaman %95'tir (gam_analysis.py:371).
λ = 0,6 neden veri ölçeğinden bağımsız?
Açıklayıcı, taban kurulmadan önce [0{,}1] aralığına ölçeklenir (B-spline tabanı en küçük ve en büyük değer arasında kurulur). Bağımlı değişken c ile çarpılırsa katsayılar da c ile çarpılır; hem artık kareler toplamı hem ceza c^2 ile büyür, oran değişmez. Bu yüzden aynı \lambda, yaş yıl ya da ay cinsinden, ölüm olasılığı oran ya da yüzde olarak verilse de aynı eğriyi verir. Buna karşın \lambda'nın "iyi" değeri veriye bağlıdır: 0,6 pygam'ın genel varsayılanıdır, bu veriye göre seçilmiş bir değer değildir. Bu örnekte REML 0,058 seçer (101.6).
101.4 Tıp örneği
Dosya: english/datasets/Tip/83_gam_mortality_age.xlsx (Türkçe kopyası samples/Tum_Analiz_Tip/83_gam_mortalite_yas.xlsx). Değişken seçimi VIDEO_SCRIPT_TR.txt #83'ten alınmıştır.
| Değişken | Rol | Tür | Özet |
|---|---|---|---|
1yr_mortality_probability |
Bağımlı | sürekli, [0{,}1] | ort. 0,1302; SS 0,1461; 0,001–0,545 |
age |
Düzgünleştirilen açıklayıcı | tam sayı (yıl) | ort. 58,49; SS 19,58; 20–90; 68 farklı değer |
clinical_id, patient_id |
— | kimlik | kullanılmaz |
n ve eksik değer: 200 hasta, eksik değer yok. Sonuç bir olasılık olmakla birlikte 0/1 değildir; sürekli bir orandır. Senaryo Gauss ailesini kullanır. Binom aile seçilirse kesirli y nedeniyle log-olabilirlik ve AIC tanımsız olur (101.2).
Klinik soru: Bir yıllık ölüm olasılığı yaşla nasıl değişir? Artış doğrusal mı, ileri yaşta mı hızlanıyor?
Seçilen ayarlar: Arayüz varsayılanları (Gauss, k=10, sabit \lambda=0{,}6). Hesap yürüyüşü için ikinci çalıştırmada iki ek çıktı açılmış; üçüncü ve dördüncü çalıştırmada GCV ve REML ile otomatik \lambda seçilmiştir.
101.5 Formüller ve hesap adımları
MerQur önce eksik satırları atar, faktörleri kukla koda çevirir ve aile için tanım kümesini denetler. Sonra her düzgünleştirilen açıklayıcı için pygam'ın s(i, n_splines = k, spline_order = 3, lam = λ) terimini, her parametrik sütun için cezasız l(j, lam = 0) terimini kurar ve pygam'a uydurtur (_fit, gam_analysis.py:720–731). pygam modele kendiliğinden bir kesişim terimi ekler. Otomatik seçimde bu uyum, \log\lambda üzerinde bir arama içinde tekrar tekrar çalıştırılır. Uyumdan sonra MerQur sapmayı, terim edf'sini, kısmi bağımlılık eğrilerini ve (varsa) parametrik terim tablosunu hesaplar.
101.5.1 B-spline tabanı ve düğümler
Açıklayıcı u=(x-x_{\min})/(x_{\max}-x_{\min})\in[0{,}1] biçiminde ölçeklenir. k kübik B-spline için düğümler şunlardır:
- k=10 için h=1/7; [0{,}1] içinde 8 düğüm, iki yanda üçer ek düğüm; toplam 14 düğüm, 10 taban fonksiyonu.
- B_l: l. kübik B-spline (Cox–de Boor özyinelemesi); her biri 4 aralıkta sıfırdan farklıdır.
- Son düğümdeki 10^{-9}: pygam'ın u=1 noktasını son aralığa dahil etmek için eklediği küçük kaydırma.
- Tabanlar her u'da toplamı 1 olan bir birim ayrışımı oluşturur: \sum_l B_l(u)=1.
- Gözlem aralığı dışında taban doğrusal olarak dışkestirilir; 3B yüzey bu yüzden gözlem aralığında tutulur (
gam_panel.py:408–410).
Koddaki tercih: P-spline, mgcv'nin ince levha spline'ı değil
mgcv s(x) varsayılan olarak ince levha regresyon spline'ı (bs = "tp") kullanır. MerQur'un tabanı pygam'ın P-spline'ıdır (mgcv'de bs = "ps"). İki taban aynı k ile bile farklı eğri ve edf verir: bu veride mgcv s(age) REML ile edf 7,90, MerQur REML ile 6,77'dir. mgcv'ye MerQur'un 14 düğümü knots = ile verilip bs = "ps", m = c(2, 2) kullanıldığında uyum, edf ve REML \lambda'sı birebir aynı çıkar (101.6.1).
101.5.2 Cezalı en küçük kareler
Tek düzgünleştiricili Gauss modelinde tasarım matrisi \mathbf X=[\mathbf B\;\;\mathbf 1]'dir (n\times11; pygam'da kesişim son sütundur). Katsayılar şu ölçütü en küçükler:
- \boldsymbol\beta=(c_1,\dots,c_{10},\beta_0)^{\top}: spline katsayıları ve kesişim.
- \mathbf D_2: 8\times10 ikinci fark matrisi; (\mathbf D_2\mathbf c)_l=c_l-2c_{l+1}+c_{l+2}.
- \lambda\,\mathbf c^{\top}\mathbf D_2^{\top}\mathbf D_2\mathbf c: komşu katsayılardaki bükülmenin cezası; eğrinin ikinci türevinin ayrık karşılığı.
- \sqrt{\epsilon}=1{,}49\times10^{-8}: pygam'ın tüm katsayılara eklediği çok küçük sırt cezası ("koşulu iyileştir"; pygam
_pirls). - Gauss ailesinde PIRLS döngüsü birinci adımda bu kapalı çözüme ulaşır; ikinci adım yakınsamayı doğrular. Öteki ailelerde aynı denklem ağırlıklı (IRLS) olarak yinelenir.
Neden ikinci fark cezası, neden sırt?
Eşit aralıklı düğümlerde komşu B-spline katsayıları arasındaki ikinci fark, eğrinin ikinci türevine yaklaşık orantılıdır. Ceza bu nedenle bükülmeyi cezalandırır. \lambda\to\infty iken \mathbf D_2\mathbf c=\mathbf 0 zorlanır, katsayılar doğrusal bir dizi olur ve eğri bir doğruya iner. \lambda\to0 iken cezasız 10 tabanlı bir regresyon spline'ı elde edilir (Eilers ve Marx 1996). Sırt teriminin nedeni tanımlanabilirliktir: tabanlar toplamı 1 olduğundan \mathbf X'in sabit sütunu B-spline sütunlarının toplamıdır. \mathbf X^{\top}\mathbf X+\mathbf S_\lambda tekildir, çünkü ceza sabit yönü cezalandırmaz. \sqrt{\epsilon} sırtı bu belirsizliği çözer: sabit, kesişim ile spline katsayıları arasında sırt cezasını en küçükleyecek biçimde bölünür. Uyum (ve edf) bu bölünmeden etkilenmez; kısmi bağımlılık eğrisinin dikey konumu ise etkilenir (101.5.6).
Sayısal kararlılık
\mathbf X^{\top}\mathbf X+\mathbf S_\lambda+\sqrt{\epsilon}\mathbf I'nın koşul sayısı bu veride 1{,}5\times10^{10}'dur. Matris doğrudan ters alınırsa artık kareler toplamı göreli 2\times10^{-7} hatayla bulunur. pygam (ve bağımsız hesap) artırılmış sistem [\mathbf X;\mathbf E]'nin (\mathbf E^{\top}\mathbf E=\mathbf S_\lambda+\sqrt\epsilon\mathbf I) QR ve SVD ayrışımını kullanır; koşul sayısı 1{,}2\times10^{5}'e iner.
101.5.3 Etkin serbestlik derecesi (edf)
Uydurulan değerler \hat{\mathbf y}=\mathbf A\mathbf y, \mathbf A=\mathbf X(\mathbf X^{\top}\mathbf X+\mathbf S_\lambda+\sqrt\epsilon\mathbf I)^{-1}\mathbf X^{\top} ile yazılır.
- \operatorname{iz}(\mathbf A): modelin kullandığı etkin parametre sayısı; kesişimi içerir (sonuç metnindeki "Toplam edf").
- \mathbf Z: her spline bloğuna toplam-sıfır kısıtı \mathbf 1^{\top}\mathbf B\mathbf c=0 uygulayan sıfır uzayı tabanı (10\times9); kesişim bloğu değişmez.
- \tilde{\mathbf S}=\mathbf Z^{\top}\mathbf S_\lambda\mathbf Z; \text{edf}_j: j. terimin satırlarının köşegen toplamı (
_build_edof_per_term, 126–179). - Gauss olmayan ailelerde \mathbf X^{\top}\mathbf X yerine \mathbf X^{\top}\mathbf W\mathbf X (IRLS ağırlıkları).
Koddaki tercih: terim edf'si mgcv tanımıyla
pygam'ın kendi edof_per_coef dilimlemesi sabitin 1 sd'sini spline terimine katar (mgcv'nin 5,06 bulduğu bir terimde 6,06 verir). MerQur bu yüzden mgcv gibi toplam-sıfır kısıtını uygulayıp terim edf'sini yeniden hesaplar. Toplam edf (5,98) ile terim edf'si (4,98) arasındaki 1, kesişimdir.
101.5.4 Ölçek, log-olabilirlik ve bilgi ölçütleri
- RSS =\sum(y_i-\hat\mu_i)^2; Gauss ailesinde sapma D= RSS.
- \phi: normal yoğunluk; \hat\sigma yansız kestirimdir (en çok olabilirlik \sqrt{\text{RSS}/n} değil).
- AIC'deki +2: ölçek kestirildiği için (pygam
_estimate_AIC). Binom ve Poisson'da eklenmez. - D_0: yalnız ortalamalı modelin sapması; R^2_{\text{sözde}} açıklanan sapma oranıdır. Gauss'ta klasik R^2 ile aynıdır.
- "Ölçekli sapma" D/\hat\sigma^2, Gauss ailesinde tanım gereği n-\text{edf}'ye eşittir ve bilgi taşımaz; metin bunu etiketinde belirtir.
mgcv AIC'si farklıdır
mgcv AIC() aynı uyum için -1001{,}89, MerQur -1001{,}80 verir. mgcv log-olabilirliği ölçeğin en çok olabilirlik kestirimiyle ve serbestlik derecesini farklı düzeltmeyle hesaplar. MerQur'un AIC'si pygam tanımıdır; aynı veride MerQur modelleri arasında karşılaştırma için tutarlıdır, mgcv AIC'siyle karışık kullanılmamalıdır.
101.5.5 Düzgünleştirme teriminin p değeri
s(x_j) satırındaki p, "f_j=0" hipotezinin Wood (2013) testidir; mgcv summary.gam ile aynı tanımdır (_wood_test, _vp_cikarim). Önce her spline bloğuna toplam-sıfır kısıtı soğurulur (mgcv'deki Householder yeniden parametrelemesi; 101.5.3), sonra bütün model için tek bir Bayesçi kovaryans kurulur:
- \tilde{\mathbf X}, \tilde{\mathbf S}_\lambda: toplam-sıfır kısıtlı model matrisi ve ceza; \hat\phi: ölçek (Gauss'ta \hat\sigma^2, Binom ve Poisson'da 1).
- \mathbf V_{p,j}: j. düzgünleştiricinin katsayı bloğu. Testler, kısmi eğri bantları ve parametrik terimler aynı \mathbf V_p'yi kullanır.
- \mathbf V_{p,j}^{r-}: rankı r'ye indirilmiş sözde ters. r kesirli olabilir; kesirli kısım Wood'un (2013) iki boyutlu ara bloğuyla işlenir.
- \text{edf}_{1,j}=2\,\text{edf}_j-\operatorname{iz}(\mathbf F_j^2): Wood'un (2017, §6.12) alternatif edf'si (101.5.8).
- p: ölçek bilindiğinde (Binom, Poisson) T_j, ağırlıklı ki-kare karışımıyla karşılaştırılır; ölçek kestirildiğinde (Gauss, Gamma) F=T_j/r, n-\text{edf} paydalı karşılığıyla. Çıktı istatistiği (F ya da \chi^2) ve Ref.df'yi yazar.
Neden Wood (2013) testi?
Cezalı bir düzgünleştiricinin katsayıları tam rankta test edilirse ceza yönündeki küçük özdeğerler istatistiği şişirir; kestirimin \lambda'ya bağımlılığı da hesaba girmez. Wood (2013), testi \mathbf V_p ile ve etkin serbestliğe göre seçilmiş rankla kurar ve I. tür hatanın, \lambda veriden seçildiğinde de nominal düzeye yakın kaldığını benzetimle gösterir. Bu, mgcv'nin başvurduğu yayımlanmış yöntemdir. Aynı modelde testlerin, bantların ve parametrik terimlerin tek kovaryansı kullanması iç tutarlılık için gereklidir.
101.5.6 Kısmi bağımlılık eğrisi ve %95 GA
Grafik sekmesindeki her eğri, açıklayıcının aralığında 100 eşit aralıklı noktada, toplam-sıfır kısıtlı tabanla hesaplanır (_vp_cikarim):
- \tilde{\mathbf b}(x): x noktasındaki kısıtlı taban değerleri (9 sütun); kesişim eklenmez. Sabit terim (kesişim) sonuç metninde ayrıca yazılır.
- Eğri veri üzerinde sıfır ortalamaya merkezlidir; sıfır çizgisi "ortalama etki" düzeyidir.
- Bant t dağılımından (Gauss, Gamma) ya da standart normalden (Binom, Poisson) alınır; düzey sabit %95'tir.
- Binom ve Poisson'da eğri ve bant bağlantı (logit, log) ölçeğindedir; olasılık ya da beklenen sayı ölçeğinde değildir.
Neden merkezli eğri?
Toplamsal modelde sabit terim ile düzgünleştiricilerin düzeyi ayrı ayrı tanımlı değildir: her f_j'ye bir sabit eklenip kesişimden çıkarılırsa uyum değişmez. Düzgünleştiriciler ancak bir tanımlılık kısıtıyla anlamlıdır (Wood 2017); mgcv \sum_i f_j(x_{ij})=0 kısıtını kullanır. Kısıtsız bir eğride düzey, kesişim ile spline katsayıları arasındaki keyfi bölüşümden (pygam'da \sqrt\epsilon sırtından) gelir ve sıfır çizgisi yanıltıcı olur. Merkezli eğride "etki ortalamanın üstünde/altında" yorumu anlamlıdır; uydurulan değer, sabit terim ile eğrinin toplamıdır.
101.5.7 Otomatik λ seçimi: GCV/UBRE ve REML
"Otomatik" seçeneklerde \rho=\log\lambda üzerinde aşağıdaki ölçütler en küçüklenir (_select_lams, 210–352):
- D_\rho, \text{edf}_\rho: \lambda=e^\rho ile uyumun sapması ve toplam edf'si.
- M_p: cezasız uzayın boyutu; burada 11-1-8=2 (11 katsayı, 1 bilinen sıfır uzayı, 8 ceza rankı): kesişim ve doğrusal eğilim.
- |\cdot|_+: sözde determinant; bilinen sıfır uzayı (sabit–spline bağımlılığı) atılarak.
- r_j=k-2=8: \mathbf D_2^{\top}\mathbf D_2'nin rankı; \log|\mathbf S_\lambda|_+=r\rho+sabit.
- Gauss REML, ölçeği profilleyerek Wood (2011) Laplace ölçütünün kesin hâlidir. Gamma'da ölçek ayrıca en küçüklenir; Binom ve Poisson'da \phi=1 ve -\ell+\tfrac12\hat{\boldsymbol\beta}^{\top}\mathbf S\hat{\boldsymbol\beta}+\tfrac12\log|\mathbf X^{\top}\mathbf W\mathbf X+\mathbf S|_+-\tfrac12\log|\mathbf S|_+.
Koddaki tercih: γ = 1 ve sürekli eniyileme
pygam'ın kendi gridsearch'ü 11 noktalık kaba bir ızgarada ve \gamma=1{,}4 ağırlıklı GCV ile arar; mgcv'nin \gamma=1 ölçütüyle aynı \lambda'yı vermez. MerQur bunu kullanmaz. \rho\in[-12,\,20] aralığında 0,5 adımlı ızgara tarar, en iyi üç yerel en küçük noktayı sınırlı Brent yöntemiyle (\pm0{,}5, xatol = 1e-7) rafine eder. Birden çok terimde ortak-\lambda ızgarasından Powell ve L-BFGS-B ile terim başına \lambda'lar aranır.
101.5.8 Ek çıktılar
Düzeltilmiş R² ve doğrusal modele karşı test (_gam_extras, 242–283):
- R^2_{\text{adj}}: mgcv
summary.gamr.sqtanımı. - Doğrusal model: düzgünleştiricilerin yerine doğrusal terimli GLM (aynı aile).
- \text{edf}_1: mgcv'nin model karşılaştırmasında kullandığı alternatif edf (Wood 2017, §6.12); \text{edf}\le\text{edf}_1\le2\,\text{edf}.
- Gauss ve Gamma'da F\sim F(\text{sd}_{\text{doğ}}-\text{sd}_{\text{GAM}},\,\text{sd}_{\text{GAM}}); Binom ve Poisson'da D_{\text{doğ}}-D_{\text{GAM}}\sim\chi^2.
k-indeksi (mgcv k.check; 284–299):
- r_{(i)}: açıklayıcıya göre (kararlı) sıralanmış sapma artıkları.
- Kalan bir örüntü varsa komşu artıklar benzerdir, \hat v küçülür ve indeks 1'in altına düşer.
- \hat v^{*}: artıkların 400 rastgele permütasyonundaki aynı büyüklük; tohum (seed) 42 sabittir.
- k'=k-1: toplam-sıfır kısıtından sonraki taban boyutu.
101.5.9 Parametrik terimler (seçenek)
"Doğrusal terimler" ya da "Kategorik faktörler" seçilirse katsayıların SH'si Bayesçi kovaryanstan alınır (gam_analysis.py:845–908):
Faktörün bütünsel testi W=\hat{\boldsymbol\gamma}^{\top}\mathbf V_{p,\gamma\gamma}^{-1}\hat{\boldsymbol\gamma}; Gauss/Gamma'da W/q\sim F(q,\,n-\text{edf}), ötekilerde W\sim\chi^2_q. Gamma'da \hat\phi Pearson \chi^2/(n-\text{edf})'dir.
Parametrik katsayılar, s() terimlerinin testleri ve kısmi bağımlılık bantları aynı Bayesçi \mathbf V_p'den gelir; bantlar mgcv'nin varsayılan bantlarıyla aynı tanımdadır.
101.6 Elle hesap: Tıp verisinde sayısal yürüyüş
Ara değerler dogrulama/gam/elle_hesap.py ile, MerQur ve pygam çağrılmadan hesaplanmıştır: B-spline tabanı Cox–de Boor özyinelemesiyle, cezalı en küçük kareler artırılmış sistemin SVD'siyle kurulmuş; \lambda seçiminde altın oran araması kullanılmıştır.
Adım 1 — Ölçekleme ve taban. x_{\min}=20, x_{\max}=90. Hasta 1 (yaş 57): u=(57-20)/70=0{,}52857. Bu nokta [3/7,\,4/7) aralığındadır; yalnız 4.–7. tabanlar sıfırdan farklıdır:
Adım 2 — Cezalı çözüm (\lambda=0{,}6). \mathbf D_2 ikinci fark matrisi ile \mathbf S=0{,}6\,\mathbf D_2^{\top}\mathbf D_2 kurulur. Toplam-sıfır kısıtlı tabanda (101.5.6) çözülen sistemin sabit terimi \hat\beta_0=0{,}130220'dir; Gauss modelde eğri veri üzerinde sıfır ortalamalı olduğundan bu değer \bar y=0{,}130220'ye eşittir. Artık kareler toplamı:
Adım 3 — edf. \operatorname{iz}(\mathbf A)=5{,}984479. Toplam-sıfır kısıtlı yeniden kurulumda spline bloğunun köşegen toplamı 4{,}984479'dur; fark tam 1'dir (kesişim). Eğri, doğrusal bir fonksiyonun 2 parametresinden belirgin biçimde fazla serbestlik kullanır: ilişki doğrusal değildir.
Adım 4 — Ölçek ve bilgi ölçütleri.
\text{AICc}=-1001{,}8002+\dfrac{2(6{,}984479)(7{,}984479)}{200-5{,}984479-2}=-1001{,}2193.
Adım 5 — s(\text{age}) testi. \hat\phi=\hat\sigma^2 ile \mathbf V_p kurulur. Spline bloğunda \text{edf}_1=5{,}813589 olduğundan \text{Ref.df}=\min(9;\,5{,}813589)=5{,}813589'dur. Wood istatistiği T=11\,069{,}108, F=T/\text{Ref.df}=1904{,}006; F(5{,}81;\,194{,}02) karşılığıyla p=2{,}6\times10^{-168}. Metinde "p<.001" yazar.
Adım 6 — Kısmi bağımlılık. t_{194{,}02;\,0{,}975}=1{,}97227. Merkezli eğride ızgaranın ilk noktasında (yaş 20) \hat s=-0{,}12628, %95 GA [-0{,}14346;\,-0{,}10910]; yaş 55,35'te \hat s=-0{,}08572 (SH 0,00239); yaş 90'da \hat s=0{,}38044. Eğri 20–55 yaş arasında hafifçe, 60 yaştan sonra hızla yükselir. Uydurulan olasılık \hat\beta_0+\hat s(x)'tir: yaş 20'de 0{,}13022-0{,}12628=0{,}0039, yaş 90'da 0{,}13022+0{,}38044=0{,}5107.
Adım 7 — Doğrusal modele karşı test. Doğrusal modelin sapması D_{\text{doğ}}=1{,}007520 (sd 198). \operatorname{iz}(\mathbf F)=5{,}984479, \operatorname{iz}(\mathbf F^2) ile \text{edf}_1=6{,}813589; \text{sd}_{\text{GAM}}=193{,}186411; fark sd'si 4,813589.
R^2_{\text{adj}}=0{,}982393.
Adım 8 — k-indeksi. Yaşa göre sıralanmış artıkların komşu farklarından \hat v=0{,}00038431; \frac1n\sum r_i^2=0{,}00036443; indeks 1{,}0545. 400 permütasyonun %79,25'inde \hat v^{*}<\hat v: p=0{,}7925. k=10 yeterlidir.
Adım 9 — Otomatik \lambda.
| Yöntem | \lambda | Toplam edf | s(age) edf | RSS | AIC |
|---|---|---|---|---|---|
| Sabit (varsayılan) | 0,6 | 5,9845 | 4,9845 | 0,072886 | −1001,800 |
| GCV | 0,096158 | 7,4245 | 6,4245 | 0,069511 | −1008,353 |
| REML | 0,058213 | 7,7672 | 6,7672 | 0,069326 | −1008,186 |
Veri iki otomatik yönteme göre de varsayılandan daha bükülgen bir eğriyi destekler. AIC farkı 6,4–6,6 birimdir; varsayılan \lambda=0{,}6 bu veride eğriyi fazla düzleştirir.
Şekil 101.1. Sol: yaş ile bir yıllık mortalite olasılığı; \lambda=0{,}6 (mor) ve REML (kesikli turuncu) uyumları. Sağ: kısmi bağımlılık eğrisi ve %95 GA'sı.
101.6.1 Doğrulama: MerQur, Python ve R
MerQur değerleri execute() sonucunun GAMResult alanlarından ve iliştirilmiş pygam nesnesinden (fit_data["gam"]) alınmıştır; bu alanlar yuvarlanmaz. R: 4.5.3; elle matris cebiri (splines::splineDesign, aynı 14 düğüm) ve mgcv 1.9 (bs = "ps", m = c(2, 2), knots = ile aynı düğümler; sabit \lambda için sp = λ·S.scale). Sabit terim, Wood testi (F ve Ref.df), merkezli eğri ve \mathbf V_p bandı mgcv summary.gam ve predict(type = "terms", se.fit = TRUE) ile alınmıştır. "R: mgcv" notu taşıyan satırlarda R sütunu mgcv'dir; ötekiler elle hesaptır.
| Büyüklük | MerQur | Python (bağımsız) | R 4.5.3 | En büyük fark | Durum |
|---|---|---|---|---|---|
| Toplam edf (iz \mathbf A) | 5,984479 | 5,984479 | 5,984479 | 1,8e−15 | ✓ |
| Toplam edf, mgcv (aynı taban, \lambda=0{,}6) | 5,984479 | — | 5,984479 | 2,3e−08 | ✓ (mgcv’de √ε sırtı yok) |
| s(age) edf (toplam-sıfır kısıtlı) | 4,984479 | 4,984479 | 4,984479 | 1,2e−14 | ✓ (R: mgcv) |
| RSS | 0,072886 | 0,072886 | 0,072886 | 5,6e−17 | ✓ |
| RSS, mgcv | 0,072886 | — | 0,072886 | 7,1e−10 | ✓ (mgcv) |
| \hat\sigma=\sqrt{\text{RSS}/(n-\text{edf})} | 0,019382 | 0,019382 | 0,019382 | 3,8e−17 | ✓ |
| Açıklanan sapma (sözde R^2) | 0,982834 | 0,982834 | 0,982834 | 1,7e−10 | ✓ (R: mgcv) |
| Log-olabilirlik | 507,884566 | 507,884566 | 507,884566 | 5,7e−14 | ✓ |
| AIC | −1001,800175 | −1001,800175 | −1001,800175 | 1,6e−12 | ✓ |
| AICc | −1001,219311 | −1001,219311 | −1001,219311 | 5,0e−12 | ✓ |
| Sabit terim (toplam-sıfır kısıtlı taban) | 0,130220 | 0,130219 | 0,130219 | 2,8e−17 | ✓ (R: mgcv) |
| s(age) Ref.df =\min(k-1,\text{edf}_1) | 5,813589 | 5,813589 | 5,813589 | 3,6e−15 | ✓ (R: mgcv) |
| s(age) Wood (2013) F | 1904,005890 | 1904,005908 | 1904,005908 | 1,8e−05 | ✓ (R: mgcv) |
| Merkezli kısmi bağımlılık \hat s (ızgara 1) | −0,126281 | −0,126281 | −0,126281 | 6,7e−16 | ✓ (R: mgcv) |
| %95 GA alt, \mathbf V_p (ızgara 1) | −0,143462 | −0,143462 | −0,143462 | 8,3e−11 | ✓ (R: mgcv) |
| Merkezli kısmi bağımlılık \hat s (ızgara 51) | −0,085716 | −0,085716 | −0,085716 | 1,8e−16 | ✓ (R: mgcv) |
| %95 GA alt, \mathbf V_p (ızgara 51) | −0,090420 | −0,090420 | −0,090420 | 2,3e−11 | ✓ (R: mgcv) |
| Merkezli kısmi bağımlılık \hat s (ızgara 100) | 0,380445 | 0,380445 | 0,380445 | 2,8e−16 | ✓ (R: mgcv) |
| %95 GA alt, \mathbf V_p (ızgara 100) | 0,369160 | 0,369160 | 0,369160 | 5,4e−11 | ✓ (R: mgcv) |
Ek çıktılar:
| Büyüklük | MerQur | Python (bağımsız) | R 4.5.3 | En büyük fark | Durum |
|---|---|---|---|---|---|
| R^2(düzeltilmiş) | 0,982393 | 0,982393 | 0,982393 | 1,7e−10 | ✓ (R: mgcv) |
| Doğrusal model sapması | 1,007520 | 1,007520 | 1,007520 | 4,4e−15 | ✓ (R: anova.gam) |
| GAM artık sd (n-\text{edf}_1) | 193,186411 | 193,186411 | 193,186411 | 2,8e−13 | ✓ (R: anova.gam) |
| F (doğrusal model karşısında) | 516,852425 | 516,852425 | 516,852431 | 5,4e−06 | ✓ (R: anova.gam) |
| p (doğrusal model karşısında) | 2,0735·10−108 | 2,0735·10−108 | 2,0735·10−108 | 1,9e−114 | ✓ (R: anova.gam) |
| k-indeksi | 1,054542 | 1,054542 | 1,054542 | 6,7e−16 | ✓ |
| k-indeksi p (400 permütasyon, tohum 42) | 0,792500 | 0,792500 | — | 0,0e+00 | ✓ (aynı numpy tohumu) |
| Sapma artıklarının SS'si | 0,019138 | 0,019138 | 0,019138 | 2,1e−17 | ✓ |
Otomatik \lambda seçimi:
| Büyüklük | MerQur | Python (bağımsız) | R 4.5.3 | En büyük fark | Durum |
|---|---|---|---|---|---|
| GCV: seçilen \lambda | 0,096158 | 0,096158 | 0,096158 | 9,1e−09 | ✓ |
| GCV: ölçütün en küçük değeri | 0,000375 | 0,000375 | 0,000375 | 6,5e−19 | ✓ |
| GCV: toplam edf | 7,424498 | 7,424498 | 7,424498 | 6,7e−08 | ✓ |
| GCV: AIC | −1008,352839 | −1008,352839 | −1008,352839 | 2,6e−09 | ✓ |
| REML: seçilen \lambda | 0,058213 | 0,058213 | 0,058213 | 1,7e−08 | ✓ |
| REML: ölçütün en küçük değeri | −242,420151 | −242,420151 | −242,420151 | 4,8e−13 | ✓ |
| REML: toplam edf | 7,767240 | 7,767240 | 7,767240 | 2,0e−07 | ✓ |
| REML: AIC | −1008,185539 | −1008,185540 | −1008,185539 | 1,8e−07 | ✓ |
| REML: \lambda, mgcv (aynı taban) | 0,058213 | — | 0,058213 | 8,1e−09 | ✓ (mgcv REML) |
| REML: s(age) edf, mgcv | 6,767240 | 6,767240 | 6,767240 | 1,4e−07 | ✓ (mgcv REML) |
37 büyüklüğün tamamı eşleşir. mgcv satırlarındaki 10^{-8} düzeyindeki farkın nedeni, mgcv'de pygam'ın \sqrt\epsilon sırtının bulunmamasıdır. k-indeksi p'si numpy rastgele sayı akışına bağlı olduğundan R'de yeniden üretilmemiştir. mgcv method = "GCV.Cp" aynı tabanla \lambda=0{,}0975'te durur; burada GCV değeri (3{,}7486904\times10^{-4}) MerQur'un bulduğu en küçük değerden (3{,}7486872\times10^{-4}) büyüktür. MerQur'un çözümü ölçütün gerçek en küçük noktasıdır; mgcv'nin Newton adımı düz ölçütte erken durmuştur.
101.7 Çıktıyı okuma
Sonuç metni (iki ek çıktı açık, künye kutusu hariç):
Genelleştirilmiş Toplamsal Model (GAM)
Aile : Gauss (sürekli y)
N (gözlem) : 200
Hedef : 1yr_mortality_probability
Açıklayıcılar: age
Düzgünleştirme parametresi: sabit λ (kullanıcı tanımlı)
λ = 0.6
Model Uyumu:
RSS (Σ artık²) = 0.0728857
Sapma (Gauss ailesinde = RSS) = 0.0728857
Ölçekli sapma (D/φ; Gauss ailesinde = n − edf) = 194.016
Pseudo R² (açıklanan) = 0.9828
AIC = -1001.80
Log-olabilirlik = 507.88
Toplam edf = 5.98
Düzgünleştirme terimleri (s):
s(age ) edf = 4.98 Ref.df = 5.81 F = 1904.006 p < .001
Düzgünleştirici testleri: Wood (2013) testi, Bayesçi kovaryans Vp ile; Ref.df = min(k − 1, edf₁). Kısmi eğriler ve bantları da aynı kovaryansla (Vp) hesaplanır.
Sabit terim (kesişim, bağlantı ölçeğinde) = 0.13022; kısmi eğriler veri üzerinde sıfır ortalamaya merkezlidir (Σ f(xᵢ) = 0).
Yorum: edf > 1 → doğrusal olmayan ilişki; edf ≈ 1 → doğrusal.
Kısmi bağımlılık grafikleri her açıklayıcının ötekiler sabitken etkisini, veri üzerinde sıfır ortalamaya merkezli olarak %95 GA ile gösterir; 0 çizgisi ortalama etkiyi gösterir.
── APA 7 ÖZET ──
GAM (Gauss): R² = .98 (sözde), AIC = -1001.80, N = 200
s(age): edf = 4.98, F(5.81, 194.02) = 1904.01, p < .001
R²(düzeltilmiş) = 0.9824; açıklanan sapma = %98.28
── Doğrusal Modele Karşı Karşılaştırma (anova.gam) ──
Doğrusal sapma = 1.0075, artık df = 198.000
GAM sapma = 0.0729, artık df = 193.186
F = 516.8524, df = (4.814, 193.186), p < .001
Anlamlı → doğrusal olmayan etki (düzgünleştirici) gereklidir.
── Temel Boyut Denetimi (k-indeksi) ──
Terim k' edf k-indeksi p
s(age) 9 4.984 1.055 0.792
k-indeksi < 1 ve p küçükse spline sayısını artırın.
p: artıkların 400 rastgele permütasyonuyla (sabit tohum 42; yeniden üretilebilir).
Sapma artıkları: ort. = 0.0000, SS = 0.0191, çarpıklık = 0.223, basıklık = -0.051
Tablo sekmesi: her s() terimi için edf (3 ondalık), Ref.df, F ya da \chi^2, p (4 ondalık) ve spline sayısı; varsa parametrik katsayılar altına eklenir. Grafik sekmesi: her açıklayıcı için kısmi bağımlılık eğrisi ve %95 bant.
| Öğe | Nasıl yorumlanır |
|---|---|
| λ | Sabit seçimde girilen değer; otomatikte seçilen değer (4 anlamlı basamak). |
| RSS, Sapma | Gauss'ta aynı; altı anlamlı basamakla yazılır. |
| Ölçekli sapma | Gauss'ta her zaman n-\text{edf}; yoruma katılmaz. |
| Pseudo R² (açıklanan) | Açıklanan sapma oranı; Gauss'ta R^2. |
| AIC, Log-olabilirlik | pygam tanımı (101.5.4); aynı veride MerQur modelleri arasında karşılaştırılır. |
| Toplam edf | Kesişim dahil; terim edf'lerinin toplamı + 1 + parametrik terim sayısı. |
| s(x) edf | Eğrinin karmaşıklığı: ≈1 doğrusal, büyüdükçe daha bükülgen; üst sınır k-1. |
| s(x) Ref.df, F/\chi^2, p | Wood (2013) testi (101.5.5); "f_j=0" hipotezi. Test ve kovaryans notta adıyla yazılır. |
| Sabit terim | Kesişim (bağlantı ölçeğinde); kısmi eğriler buna göre sıfır ortalamalıdır. |
| R²(düzeltilmiş) | mgcv r.sq. |
| Doğrusal modele karşı F | Anlamlıysa eğrilik gereklidir. |
| k-indeksi, p | İndeks < 1 ve p küçükse "Taban fonksiyonu sayısı" artırılmalıdır. |
Uyarı iletileri: \lambda alt sınırda (gam_analysis.py:745–747); Binom'da kesirli y ile log-olabilirlik tanımsız (723–725); parametrik terim varsa SH notu (746–749).
APA biçiminde rapor cümlesi (Türkçe ondalıkla):
Bir yıllık ölüm olasılığının yaşla ilişkisi, yaş için kübik P-spline düzgünleştiricili (k = 10) Gauss ailesinden genelleştirilmiş toplamsal modelle incelendi (N = 200). Düzgünleştirme parametresi REML ile seçildi (\lambda = 0{,}058). Yaşın etkisi doğrusal değildi, edf = 6,77; doğrusal modele karşı F(6{,}43;\,191{,}57) = 404{,}64, p < 0{,}001. Model sapmanın %98,4'ünü açıkladı (düzeltilmiş R^2 = 0{,}983). Ölüm olasılığı 55 yaşa kadar yavaş, 60 yaştan sonra hızla arttı.
101.8 Uzman soruları
S1. s(age) testi neden tam rankta değil, Ref.df ile kuruluyor?
Cezalı katsayıların tam rankta (ör. 10) frekansçı kovaryansla test edilmesi, ceza yönündeki çok küçük özdeğerleri tersine çevirir ve istatistiği şişirir; \lambda veriden seçildiğinde p değerleri olması gerekenden küçük çıkar. Wood (2013) testi Bayesçi \mathbf V_p'yi kullanır ve rankı terimin etkin serbestliğine (\text{Ref.df}=\min(k-1,\text{edf}_1)) indirir; benzetimlerde I. tür hata nominal düzeye yakın kalır. MerQur bu testi mgcv summary.gam ile aynı tanımla verir. Eğriliğin varlığı (doğrusallıktan sapma) için ayrıca "Doğrusal modele karşı test" ek çıktısı kullanılır; s(x) testi ise "etki yok" hipotezini sınar.
S2. Toplam edf 5,98, terim edf'si 4,98. Hangisi raporlanır?
Terim edf'si (s(age) için 4,98) eğrinin karmaşıklığıdır ve mgcv'nin edf sütunuyla aynı tanımdır (toplam-sıfır kısıtlı). Toplam edf kesişimi de içerir ve artık sd'si n-\text{edf} ile AIC'de kullanılır. MerQur'un APA satırı terim edf'sini ve terimin testini (F(\text{Ref.df},\ n-\text{edf}) ya da \chi^2(\text{Ref.df})) yazar; makalede de terim edf'si verilir.
S3. Kısmi bağımlılık grafiğindeki sıfır çizgisi ne anlama gelir?
Eğri veri üzerinde sıfır ortalamaya merkezlidir (101.5.6); sıfır çizgisi örneklemin ortalama düzeyidir. Eğrinin bir yaşta sıfırın altında olması, o yaşta beklenen değerin örneklem ortalamasının altında olduğunu gösterir. Uydurulan değer sabit terim ile eğrinin toplamıdır. İki yaş arasındaki fark merkezlemeden bağımsızdır: yaş 20 ile 90 arasında beklenen olasılık farkı yaklaşık 0,507'dir.
S4. GCV mi REML mi? Neden ikisi farklı λ veriyor?
GCV tahmin hatasını, REML ise rastgele etkili model olarak marjinal olabilirliği en büyükler. Wood (2011), GCV'nin düz ve çok tepeli olabildiğini, küçük örneklemde eğriyi zaman zaman fazla bükülgen seçtiğini gösterir; REML daha kararlıdır. Bu veride iki yöntem yakındır (0,096 ve 0,058). mgcv REML ile aynı tabanda \lambda birebir aynı çıkar. mgcv GCV ise düz ölçütte biraz farklı bir noktada (0,0975) durur.
S5. Varsayılan sabit λ = 0,6 neden otomatik seçim değil?
Varsayılan, pygam'ın varsayılan değeridir; formun ipucu otomatik seçimi (REML) önerir ("Düzgünleştirme seçimi"). Sabit \lambda veriden seçilmez; yalnız aynı \lambda ile önceden belirlenmiş bir analizi yinelemek için uygundur. Bu veride sabit \lambda eğriyi fazla düzleştirir: REML'e göre AIC 6,4 birim kötüdür. Rapor için otomatik seçim kullanılmalıdır.
S6. k-indeksi p değeri neden çalıştırmadan çalıştırmaya değişmiyor? Bağlı yaşlar sorun mu?
Permütasyonlar sabit tohumla (seed 42) üretilir, sonuç yeniden üretilebilir. Yaş tam sayıdır; 200 hastada 68 farklı değer vardır. Aynı yaştaki artıkların sırası, kararlı sıralama nedeniyle veri setindeki satır sırasıdır. Satırlar karıştırılırsa \hat v ve indeks biraz değişir. Bu, mgcv k.check için de geçerlidir; indeksin üçüncü ondalığına kadar yorum yapılmamalıdır.
S7. Doğrusal modele karşı testte artık sd 193,19, ama n − edf = 194,02. Neden iki farklı sd?
mgcv anova.gam'ın model karşılaştırması, kestirimin \lambda'ya bağımlılığını hesaba katan \text{edf}_1=2\operatorname{iz}(\mathbf F)-\operatorname{iz}(\mathbf F^2)'yi kullanır (Wood 2017, §6.12). Payın sd'si 198-193{,}19=4{,}81'dir. Paydadaki ölçek ise n-\text{edf} ile kestirilen \hat\sigma^2'dir. MerQur'un F'si mgcv anova(lin, gam, test = "F") ile 10^{-8} göreli içinde aynıdır.
S8. Binom ailede bir olasılık sütunu (0,05 gibi) verilirse ne olur?
Tanım kümesi [0{,}1] olduğu için hata verilmez ve model kurulur. Ancak binom log-olabilirliği kesirli y'de tanımsızdır; AIC, log-olabilirlik ve McFadden R^2 "—" yazılır ve metne açıklayıcı not eklenir. Sapma ve açıklanan sapma geçerlidir (yarı-binom yorumu). Bu Tıp örneği bu nedenle Gauss ailesiyle çalıştırılmıştır. Olasılık 0'a ya da 1'e çok yakınsa Gauss uyumu sınırların dışına taşabilir; burada uydurulan değerler 0,0039–0,51 aralığındadır.
S9. mgcv'nin varsayılan s(age) modeliyle neden sayılar farklı?
mgcv ince levha spline tabanı (bs = "tp"), farklı ceza ve kendi \lambda ölçeğini kullanır. Aynı veride gam(y ~ s(age), method = "REML") edf 7,90, açıklanan sapma 0,98368 verir; MerQur REML 6,77 ve 0,98367 verir. Uyumlar neredeyse aynıdır, edf'ler tabanın tanımından ötürü farklıdır. Birebir karşılaştırma için mgcv'de bs = "ps" ve MerQur'un düğümleri verilmelidir (101.6.1).
101.9 Sık hatalar ve tuzaklar
- Kısmi bağımlılık eğrisinin düzeyini mutlak değer sanmak. Eğri sıfır ortalamaya merkezlidir; uydurulan değer için sabit terim eklenmelidir.
- Varsayılan λ = 0,6 ile raporlamak. Sabit \lambda veri için seçilmemiştir; GCV ya da REML kullanılmalıdır.
- Toplam edf'yi terim edf'si diye vermek. Toplam edf kesişimi içerir; raporda terim edf'si verilir.
- s() testini doğrusallık testi sanmak. s(x) testi "etki yok" hipotezini sınar; eğrilik için doğrusal modele karşı test kullanılır.
- Binom ve Poisson'da grafiği olasılık ya da sayı ölçeğinde okumak. Eğri bağlantı ölçeğindedir.
- Toplamsallığı unutmak. İki açıklayıcının etkileşimi modellenmez; 3B yüzey grafiği de iki toplamsal eğrinin toplamıdır, bir etkileşim yüzeyi değildir.
- Gözlem aralığı dışında tahmin. P-spline tabanı uçlarda doğrusal olarak dışkestirilir; aralık dışı tahmin güvenilmez.
- Az sayıda farklı değerli açıklayıcıyı düzgünleştirmek. Farklı değer sayısı k'dan azsa eğri aşırı esnek ya da tanımsız olur; bu tür değişken "Kategorik faktörler"e alınmalıdır.
101.10 Kaynaklar
- Craven, P., & Wahba, G. (1978). Smoothing noisy data with spline functions. Numerische Mathematik, 31(4), 377–403. https://doi.org/10.1007/BF01404567
- Eilers, P. H. C., & Marx, B. D. (1996). Flexible smoothing with B-splines and penalties. Statistical Science, 11(2), 89–121. https://doi.org/10.1214/ss/1038425655
- Hastie, T., & Tibshirani, R. (1986). Generalized additive models. Statistical Science, 1(3), 297–310. https://doi.org/10.1214/ss/1177013604
- Servén, D., & Brummitt, C. (2018). pyGAM: Generalized additive models in Python (yazılım, sürüm 0.12 kullanıldı). https://github.com/dswah/pyGAM
- Wood, S. N. (2006). Generalized additive models: An introduction with R. Chapman & Hall/CRC.
- Wood, S. N. (2011). Fast stable restricted maximum likelihood and marginal likelihood estimation of semiparametric generalized linear models. Journal of the Royal Statistical Society: Series B, 73(1), 3–36. https://doi.org/10.1111/j.1467-9868.2010.00749.x
- Wood, S. N. (2013). On p-values for smooth components of an extended generalized additive model. Biometrika, 100(1), 221–228. https://doi.org/10.1093/biomet/ass048
- Wood, S. N. (2017). Generalized additive models: An introduction with R (2. baskı). Chapman & Hall/CRC. https://doi.org/10.1201/9781315370279