İstatistik Sözlüğü → Genelleştirilmiş Toplamsal Model
Genelleştirilmiş Toplamsal Modelanaliz
Bağımlı değişkeni, her açıklayıcı için biçimi önceden belirtilmeyip veriden öğrenilen düzgün eğrilerin toplamı olarak modelleyen ve böylece doğrusal olmayan ilişkileri esnek biçimde yakalayan regresyon yöntemi.
Kavram
Doğrusal regresyon her açıklayıcının etkisini düz bir çizgiyle özetler: sıcaklık bir derece arttıkça sonuç hep aynı miktarda değişir. Gerçek ilişkiler çoğu zaman böyle değildir; bir etki önce artıp sonra düzleşebilir ya da belli bir noktadan sonra yön değiştirebilir. Genelleştirilmiş toplamsal model (GAM), ilişkinin biçimini önceden dayatmadan veriden öğrenir ve her açıklayıcının etkisini ayrı bir eğri olarak gösterir. Böylece hem esnek hem de yorumlanabilir bir model elde edilir.
Model, bağımlı değişkenin (ya da bağlantı fonksiyonuyla dönüştürülmüş beklenen değerinin) açıklayıcıların düzgün fonksiyonlarının toplamı olduğunu varsayar: g(E[y]) = b₀ + s₁(x₁) + s₂(x₂) + …. Her s() eğrisi, spline denen çok sayıda küçük parçalı polinomun birleşimidir. Fazla kıvrımlı eğriler bir ceza terimiyle frenlenir: ceza büyüdükçe eğri düzleşir, küçüldükçe veriyi daha yakından izler. Ceza şiddeti çoğu zaman veriden otomatik seçilir. Aile ve bağlantı seçimiyle sürekli, ikili, sayım ya da pozitif çarpık sonuçlar modellenebilir.
Her eğrinin esnekliği etkin serbestlik derecesiyle (edf) özetlenir: edf ≈ 1 neredeyse doğrusal bir ilişkiyi, daha büyük değerler daha kıvrımlı bir ilişkiyi gösterir. Sonuçlar katsayılardan çok kısmi etki grafikleriyle yorumlanır: diğer değişkenler sabitken bir açıklayıcının sonuca katkısı nasıl değişiyor? Eğrilerin p değerleri yaklaşıktır; verinin seyrek olduğu uçlarda eğriler belirsizdir ve aşırı yorumlanmamalıdır. Model toplamsal olduğu için, iki açıklayıcı arasındaki etkileşim ayrıca tanımlanmadıkça kendiliğinden yakalanmaz.
Ne zaman kullanılır?
- Açıklayıcılar ile sonuç arasındaki ilişkinin doğrusal olmadığından şüphelenildiğinde ve biçimin önceden bilinmediği durumlarda (çevre, ekoloji, epidemiyoloji, talep tahmini).
- İlişkinin biçimi kuramdan biliniyorsa (ör. enzim kinetiği, büyüme eğrisi) doğrusal olmayan regresyon; ilişki gerçekten doğrusalsa sıradan ya da genelleştirilmiş doğrusal model daha sade ve yeterlidir.
- Amaç yalnız tahmin başarısıysa ve yorumlanabilirlik önemli değilse rastgele orman ya da gradyan artırma gibi makine öğrenmesi yöntemleri de düşünülebilir.
Gündelik bir örnek
Bir belediye, paylaşımlı bisiklet sisteminde günlük kiralama sayısını hava durumuyla ilişkilendirmek istiyor. Kiralamalar sıcaklık 5 °C'den 22 °C'ye çıkarken hızla artıyor, ama 30 °C'nin üstünde yeniden düşüyor; düz bir doğru bu tepeyi göremez. GAM, sıcaklık için ters U biçimli, rüzgâr hızı için ise giderek azalan bir eğri çıkarabilir. Belediye bu eğrilerden yararlanarak hangi günlerde daha fazla bisiklet hazır tutacağını planlayabilir.
MerQur'da parametreler
Açıklayıcı(lar), Doğrusal (parametrik) terimler, Kategorik faktörler
Kavram: GAM'da açıklayıcılar üç biçimde girebilir: biçimi veriden öğrenilecek düzgün eğriler, etkisi düz bir çizgiyle yeterince anlatılabilen doğrusal terimler ve her düzeyine ayrı bir etki verilen kategorik faktörler. Her değişken için en sade uygun biçimi seçmek modeli hem anlaşılır hem kararlı kılar.
Gündelik örnek: Bisiklet kiralama modelinde sıcaklık ve rüzgâr hızı düzgün eğri olarak, takvim yılındaki genel artış doğrusal terim olarak, haftanın günü ise kategorik faktör olarak girer; cumartesi ve pazar günlerinin kendi düzeyleri olur.
Ne işe yarar: Spline ile modellenecek açıklayıcıları seçer. Doğrusal terimler cezasız doğrusal, kategorik faktörler işlem kodlu (ilk düzey temel düzey) kukla olarak girer; her faktör için bütünsel Wald testi (Gauss'ta F, diğerlerinde ki-kare) verilir.
Sonuca etkisi: Model yapısı.
Doğrulama verisinde: airquality Temp doğrusal terim: b = 1.39050, SE 0.24554. Month faktörü: 4 kukla ve bütünsel F = 2.5353. equip yıl faktörü (Poisson): ki-kare = 2.5916, p = 0.4590.
Aile (Gaussian, Binomial, Poisson, Gamma)
Kavram: Aile, bağımlı değişkenin olası değerlerine uygun dağılımı ve eğrilerin hangi ölçekte toplanacağını (bağlantı fonksiyonu) belirler. Sürekli ve simetrik sonuçlar için Gauss, 0/1 sonuçlar için binom, sayımlar için Poisson, pozitif ve sağa çarpık sonuçlar için gamma kullanılır.
Gündelik örnek: Günlük kiralama sayısı negatif olamayan bir sayım olduğu için Poisson ailesi uygundur. Soru 'o gün kiralama 1000'i aştı mı?' biçimine dönüştürülseydi binom ailesi seçilirdi.
Ne işe yarar: Yanıt dağılımı ve bağlantı: Gauss (özdeşlik), binom (logit), Poisson (log), gamma (log). Sürekli yanıt için Gauss, 0/1 için binom, sayım için Poisson, pozitif sağa çarpık yanıt için gamma seçilir.
Sonuca etkisi: Log-olabilirlik, sapma, AIC ve tüm kestirimler.
Doğrulama verisinde: airquality Ozone, sabit lambda = 0.6: Gauss toplam edf 14.010, sapma 29743.9; gamma edf 14.010, sapma 20.108; Poisson edf 21.515, sapma 531.33.
Spline sayısı (k)
Kavram: Spline sayısı (k), bir eğrinin oluşturulduğu yapı taşı sayısıdır ve eğrinin alabileceği en yüksek esnekliği belirler. Gerçek esneklik cezayla ayarlandığı için k'nın yeterince büyük seçilmesi yeterlidir; çok küçük k, gerçek eğriyi yakalamaya yetmez.
Gündelik örnek: Kiralamalar 10 °C'ye kadar yavaş, 10-22 °C arasında hızlı artıyor, 30 °C'nin üstünde de düşüyorsa eğride birden fazla kıvrım vardır. k = 3 gibi küçük bir değer bu biçimi yakalayamaz; daha büyük bir k, gereksiz esnekliği ceza frenlediği sürece zarar vermez.
Ne işe yarar: Terim başına taban fonksiyonu sayısını (esnekliğin üst sınırını) belirler. k-indeksi < 1 ve p küçükse artırılmalıdır (Wood, 2017).
Sonuca etkisi: Esneklik ve edf; sabit lambda'da fark cezası katsayı sayısına bağlı olduğundan ceza da değişir.
Doğrulama verisinde: mcycle, sabit lambda = 0.6: k = 4 edf 2.10, sapma 277380; k = 10 edf 5.59, sapma 128630; k = 20 edf 10.24, sapma 64055.
lambda (sabit)
Kavram: Lambda, eğrinin kıvrımlarına uygulanan cezanın şiddetidir. Büyük lambda eğriyi düz bir çizgiye yaklaştırır, küçük lambda eğrinin verideki her dalgalanmayı izlemesine izin verir; doğru değer, gerçek deseni yakalayıp gürültüyü izlememektir.
Gündelik örnek: Lambda çok küçükse sıcaklık eğrisi, yağmur yağan tek tük günlerin düşük kiralamalarını da izleyip zikzaklar çizer. Lambda çok büyükse ters U biçimi kaybolur ve 'sıcaklık arttıkça kiralama hafifçe artar' gibi yanıltıcı bir doğru kalır.
Ne işe yarar: Ceza çarpanı; büyük lambda daha düz eğri verir. Yalnız "Sabit lambda" seçiliyken kullanılır; keşif amaçlıdır, çıkarım için otomatik seçim önerilir.
Sonuca etkisi: Esneklik ve edf. Otomatik seçimde kutu devre dışıdır.
Doğrulama verisinde: mcycle k = 10: lambda 0.01 iken edf 8.51; 0.6 iken 5.59; 10 iken 3.61; 100 iken 2.50.
Düzgünleştirme seçimi (Sabit lambda, Otomatik GCV/UBRE, Otomatik REML)
Kavram: Düzgünleştirme düzeyi elle verilebilir ya da veriden seçilebilir. Genelleştirilmiş çapraz doğrulama (GCV) yeni verideki tahmin hatasını en küçük yapacak cezayı arar; REML cezayı olabilirlik üzerinden seçer ve genellikle daha kararlı, biraz daha düz eğriler verir.
Gündelik örnek: Belediye analisti lambdayı elle denemek yerine REML seçerse, sıcaklık eğrisinin ne kadar kıvrımlı olacağına veri karar verir. Bu, farklı analistlerin aynı veriden farklı eğriler çizmesini de önler.
Ne işe yarar: Lambda'yı veriden seçer: GCV (Gauss) / UBRE (binom, Poisson) ya da REML (Laplace yaklaşımı). REML genelde önerilir (Wood, 2011); GCV daha az düzgün eğri seçebilir. Arama ızgara sınırına düştüğünde uyarı verilir.
Sonuca etkisi: Lambda, edf ve eğri.
Doğrulama verisinde: mcycle GCV: lambda 0.000837, edf 9.699, GCV 757.634; REML: lambda 0.00584, edf 8.829. airquality gamma: GCV edf 9.0899, REML edf 8.4726.
Ek çıktı: Düzeltilmiş R2 ve doğrusal modele karşı test
Kavram: Düzeltilmiş R², modelin açıkladığı değişkenlik oranını model karmaşıklığını cezalandırarak verir. Doğrusal modele karşı test ise eğrilerin, aynı açıklayıcıların düz çizgilerle girdiği bir modele göre uyumu anlamlı biçimde iyileştirip iyileştirmediğini sınar.
Gündelik örnek: Test anlamlıysa sıcaklığın ters U biçimi gerçek bir desendir ve düz bir doğru bu ilişkiyi anlatmaya yetmez. Anlamlı değilse belediye daha sade bir doğrusal modelle yetinebilir.
Ne işe yarar: Düzeltilmiş R-kare ile düzgünleştiricilerin yerine doğrusal terimli genelleştirilmiş doğrusal modeli karşılaştıran F veya ki-kare testini verir.
Sonuca etkisi: Yalnız ek tablo.
Doğrulama verisinde: mcycle sabit lambda: düzeltilmiş R2 0.5676, F = 34.409, sd farkı 4.390, p = 1.66e-20.
Ek çıktı: Temel boyut yeterliliği (k-indeksi) ve artık özeti
Kavram: Temel boyut denetimi, seçilen k'nın eğrinin gerçek biçimini yakalamaya yetip yetmediğini sınar. k-indeksi 1'in belirgin altında ve p değeri küçükse artıklarda açıklanmamış bir desen kalmıştır ve k artırılmalıdır; artık özeti de modelin genel uyumunu gözden geçirmeye yarar.
Gündelik örnek: Sıcaklık eğrisi için k-indeksi 0,85 ve p değeri 0,01 çıkarsa, model 30 °C'nin üstündeki düşüşü kaçırıyor olabilir. k'yı 10'dan 20'ye çıkarıp modeli yeniden kurmak bu deseni yakalamaya yardım eder.
Ne işe yarar: Komşu artık farkı oranı (k-indeksi) ve permütasyon p değeri (400 tekrar) ile taban yeterliliğini gösterir; k' = k - 1 olarak gösterilir.
Sonuca etkisi: Yalnız ek tablo.
Doğrulama verisinde: mcycle k-indeksi 0.5534; permütasyon p değeri rastgeledir.
Gerçek veride örnek
Veri: New York hava kalitesi 1973, R datasets airquality
Değişkenler: hedef Ozone (ozon), düzgünleştirilen açıklayıcılar Solar.R (güneş ışınımı), Wind (rüzgar) ve Temp (sıcaklık)
- Soru: Ozon düzeyi (Ozone) güneş radyasyonu (Solar.R), rüzgar (Wind) ve sıcaklık (Temp) ile doğrusal olmayan biçimde ilişkili mi?
- Model: Gauss GAM, her açıklayıcıya kübik P-spline (k = 10), sabit λ = 0.6; eksiksiz gözlem N = 111.
- Model uyumu: Sapma (RSS) = 29743.86; açıklanan sapma (pseudo R²) = .756; toplam edf = 14.01; AIC = 966.58.
- Spline terimleri: s(Wind) edf = 4.22, p < .001 ve s(Temp) edf = 4.37, p < .001 belirgin doğrusal olmayan etkilerdir; s(Solar.R) edf = 4.41, p = .051 sınırda anlamsızdır (MerQur Wald yaklaşımı).
- Yorum: edf > 1 olduğundan üç ilişki de eğriseldir; kısmi bağımlılık grafikleri ozonun sıcaklıkla arttığını, rüzgarla azaldığını gösterir.
- Sınırlılık: λ sabit verildiğinden düzgünlük keşif amaçlıdır; çıkarım için otomatik (GCV/REML) seçim önerilir. Düzgünleştirici p değerleri yaklaşık Wald testine dayanır ve dikkatle yorumlanmalıdır.
- APA: GAM (gaussian): R² = .76 (pseudo), AIC = 966.58, edf = 14.01, N = 111.
İlgili kavramlar
Spline ve baz fonksiyonu sayısı (k)Düzgünleştirme parametresi (λ, span)Düzenlileştirme (ceza) ve ceza parametresi λ/αDağılım ailesi (GLM)Belirleme katsayısı (R²) ve düzeltilmiş R²Genelleştirilmiş çapraz geçerleme (GCV)Genelleştirilmiş doğrusal model (GLM)Kısıtlı en çok olabilirlik (REML)
Örneklerdeki sayılar MerQur'un bağımsız, kamuya açık doğrulama verileri üzerindeki çıktılarıdır; ayrıntılar için MerQur Teknik Not'a bakınız.