Uogólnione modele addytywne - kto je bada oprócz Simona Wooda?

Coraz częściej używam GAM. Kiedy idę, aby podać odniesienia do ich różnych składników (wybór parametrów wygładzania, różne podstawy splajnu, wartości p gładkich wyrażeń), wszystkie pochodzą od jednego badacza - Simona Wooda z University of Bath w Anglii.

Jest także opiekunem mgcvw R, który realizuje swoją pracę. mgcvjest niezwykle złożony, ale działa wyjątkowo dobrze.

Na pewno są starsze rzeczy. Oryginalny pomysł przypisuje się Hastie i Tibshirani, a świetny starszy podręcznik został napisany przez Rupperta i in. W 2003 roku.

Jako osoba stosująca nie mam wrażenia zeitgeist wśród statystycznych naukowców. Jaka jest jego praca? Czy to trochę dziwne, że jeden badacz zrobił tak wiele w jednym obszarze? A może jest inna praca, która po prostu nie jest tak bardzo zauważana, ponieważ nie można jej włożyć mgcv? Nie widzę, aby GAM były tak często używane, chociaż materiał jest dość dostępny dla osób z wykształceniem statystycznym, a oprogramowanie jest dość dobrze rozwinięte. Czy jest dużo „historii”?

Docenione zostaną rekomendacje elementów perspektywicznych i innych podobnych artykułów z czasopism statystycznych.

nonparametric gam mgcv academia semiparametric użytkownik59828
źródło

Wydaje mi się, że to pytanie nie pasuje do CV. Wydaje się dość szeroki, niewyraźny i potencjalnie nie na temat. Czy możesz skupić się bardziej i starać się, aby była bardziej przejrzysta na temat? (Prośba o referencje dla konkretnego aspektu GAM z pewnością byłaby na przykład na temat).

gung - Przywróć Monikę

Wiem, że to trochę rozmyte. To rodzaj meta-pytania na temat dyscypliny statystyki i nie jestem pewien, dokąd z tym pójść. Byłbym wdzięczny za odniesienia do elementów komentarzy i perspektyw i zmienię pytanie, aby to uwzględnić.

user59828,

Thomas Kneib i Fabian Scheipl to dwa nazwiska, które znam z tej dziedziny i które promują nieco inny sposób dopasowania GAM i powiązanych modeli. Odnoszę wrażenie, że między Simonem Woodem a tymi gośćmi panuje przyjazna „rywalizacja”, gdy widzę, jak Wood rozwija nowe pomysły w artykułach i funkcjach w mgcv, które są „odpowiedzią” na prace Kneib & Schiepl i innych. Na przykład Knieb jest jednym z twórców BayesX, który pasuje do strukturowanych modeli dodatków i nieco różni się od podejścia regresji karnej Wooda.

Przywróć Monikę - G. Simpson

Na przykład, zobacz wygładzanie i regresję bayesowską dla danych podłużnych, danych przestrzennych i historii zdarzeń autorstwa Fahrmier & Kneib, aby zapoznać się z szerokim zakresem podejścia do modelu addytywnego w strukturze.

Przywróć Monikę - G. Simpson

Myślę, że pytania dotyczące kultury statystycznej są naprawdę przydatne. Ten już przyciągnął jedną ciekawą odpowiedź, choć opublikowaną jako para komentarzy.

Flądrowiec

Odpowiedzi:

Istnieje wielu badaczy GAM: po prostu ten sam model (GLM z predyktorem liniowym podanym przez sumę funkcji gładkich) ma wiele różnych nazw. Znajdziesz modele, które możesz nazwać GAM zwanymi: modele regresji półparametrycznej, modele ANOVA wygładzania splajnu, modele regresji strukturalnej addytywnej, uogólnione liniowe modele struktury addytywnej, uogólnione modele addytywne dla skali i kształtu lokalizacji, modele zmiennych utajonych Gaussa itp.

Niewielki wybór badaczy zajmujących się zagadnieniami związanymi z GAM pod kątem obliczeniowym to:

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

(i dużo więcej osób pracuje nad ulepszonymi GAM, teoriami związanymi z GAM i ściśle powiązanymi metodami analizy danych funkcjonalnych). Moje prace dotyczą głównie opracowywania metod GAM, które są wydajne i ogólne do obliczeń, ale z pewnością nie wszystko to można powiedzieć na ten temat.

Simon Wood
źródło

Witamy na naszej stronie, Simon, i wielkie dzięki za Twój wkład!

whuber

badacz google podaje wiele trafień, oprócz powyższych odniesień oraz w komentarzach, niektóre, które wyglądają interesująco to:

http://www.sciencedirect.com/science/article/pii/S0304380002002041 GAM w badaniach rozmieszczenia gatunków, opublikowane w „Ecological Modeling”

http://aje.oxfordjournals.org/content/156/3/193.short Wykorzystanie GAM w badaniach zanieczyszczenia powietrza i zdrowia

ale OP wydaje się bardziej troszczyć o teorię statystyczną, więc:

http://www.sciencedirect.com/science/article/pii/S0167947398000334 chodzi o lepsze dopasowanie algorytmów

http://onlinelibrary.wiley.com/doi/10.1111/1467-9876.00229/abstract Wnioskowanie bayesowskie na podstawie priorów pola losowego MArkov

http://onlinelibrary.wiley.com/doi/10.1111/1467-9469.00333/abstract?deniedAccessCustomisedMessage=&userIsAuthenticated=false na temat metod szacowania w GAM ...

wszystko to z wieloma różnymi autorami, więc odpowiedź na oryginalne pytanie wydaje się być wielka .

kjetil b halvorsen
źródło

Nawiasem mówiąc, nie znalazłem niewielkiej przewagi GAM nad parametrycznymi modelami splajnu regresji addytywnej, które dają prostsze testy formalne i przedziały ufności oraz formuły do przewidywania.

Frank Harrell