Узагальнені моделі добавок - хто займається дослідженнями, крім Саймона Вуда?

Я все більше і більше використовую GAM. Коли я збираюся надати посилання на різні їх компоненти (вибір параметрів згладжування, різні основи сплайну, p-значення гладких термінів), вони все від одного дослідника - Саймона Вуда, в університеті Бат, Англія.

Він також є обслуговувачем компанії mgcvR, яка здійснює свою роботу. mgcvнадзвичайно складний, але працює надзвичайно добре.

Напевно є старі речі. Первісна ідея приписується Hastie & Tibshirani, а чудовий старіший підручник був написаний Ruppert et al у 2003 році.

Як прикладна людина, я не відчуваю особливого почуття до зейтгейста серед академічних статистиків. Як його роботу розглядають? Чи трохи дивно, що один дослідник так багато зробив в одній області? Або є інша робота, яку просто не помічають так багато, бо її не поміщають всередину mgcv? Я не бачу, щоб GAM використовувались так багато, хоча матеріал досить доступний людям зі статистичною підготовкою, а програмне забезпечення досить добре розроблене. Чи багато "зворотної історії"?

Рекомендації з точки зору перспектив та інших подібних матеріалів із статистичних журналів були б вдячні.

— user59828
джерело

Мені здається, ці питання не дуже підходять до резюме. Це здається дещо широким, нечітким та, можливо, поза темою. Ви можете більше зосередитись і спробувати зробити це чіткіше на тему? (Просити посилань на певний аспект GAM, безумовно, буде тематичним, наприклад.)

— gung - Відновити Моніку

Я знаю, що це трохи нечітко. Це свого роду мета-питання щодо дисципліни статистики, і я не впевнений, куди з цим піти. Я вдячний посиланням на коментарі та деталі з перспективою, і я вніс зміни до питання, щоб включити це.

— користувач59828

Томас Кнайб та Фабіан Шейпл - це два імена, які мені добре знайомі з цієї галузі, і які пропагують дещо інший спосіб пристосування GAM та пов'язаних з ними моделей. У мене складається враження, що між Саймоном Вудом та цими хлопцями існує дружня «конкуренція», коли я бачу, як Вуд розробляє нові ідеї в роботах та характеристиках в mgcv, які є «відповіддю» на роботу Kneib & Schiepl та інших. Наприклад, Knieb - один з розробників BayesX, який відповідає структурованим моделям добавок, і дещо відрізняється від підходу Wood до санкціонованої регресії.

— Відновити Моніку - Г. Сімпсон

Наприклад, див. Байосинські згладжування та регресія для даних про поздовжні, просторові та історії подій від компанії Fahrmier & Kneib для широкого діапазону висвітлення підходу до структури структурних добавок.

— Відновіть Моніку - Г. Сімпсон

Я думаю, що питання статистичної культури справді корисні. Цей вже привернув одну цікаву відповідь, хоч і опубліковану як пару коментарів.

— Flounderer

Відповіді:

Є багато дослідників ГАМ: просто в основному одній і тій же моделі (ГЛМ з лінійним передбачувачем, заданим сумою гладких функцій) дається безліч різних назв. Ви знайдете моделі, які можна назвати GAM, які називаються: напівпараметричні регресійні моделі, згладжуючі сплайнові моделі ANOVA, структуровані моделі адгресії регресії, узагальнені моделі лінійних адитивних структур, узагальнені моделі добавок для розміщення та форми розташування, гауссові латентні змінні моделі тощо.

Невеликий вибір дослідників на теми, пов'язані з GAM, з кутом обчислення:

Рей Керролл, Марія Дурбан, Пол Ейлерс, Тревор Хасті, Чон Гу, Соня Гревен, Томас Кнайб, Стефан Ланг, Брайан Маркс, Боб Рігбі, Девід Рупперт, Гарвард Рю, Фабіан Шепл, Мікіс Стасінопулус, Метт Уонд, Грейс Вахба, Томас Є .

(і є набагато більше людей, які працюють над розширеними GAM, теорією, пов’язаною з GAM і тісно пов'язаними з ними функціональними методами аналізу даних). Мої роботи в основному стосуються розробки методів GAM, які є ефективними та загальними для обчислення, але це, звичайно, не все, що можна сказати з цього приводу.

— Саймон Вуд
джерело

Ласкаво просимо на наш сайт, Саймоне, і велике спасибі за твій внесок!

— whuber

Google вчений додає чимало звернень, крім посилань вище, та в коментарях, які цікаво виглядають:

http://www.sciencedirect.com/science/article/pii/S0304380002002041 GAM в дослідженнях поширення видів, опублікованих у "Екологічному моделюванні"

http://aje.oxfordjournals.org/content/156/3/193.short Використання ГАМ у дослідженнях забруднення повітря та здоров'я

але ОП, здається, більше піклується про статистичну теорію, тож:

http://www.sciencedirect.com/science/article/pii/S0167947398000334 мова йде про кращі пристосування алгоритмів

http://onlinelibrary.wiley.com/doi/10.1111/1467-9876.00229/abrief Байєсові умовиводи на основі приорів М.А.

http://onlinelibrary.wiley.com/doi/10.1111/1467-9469.00333/ab абстракт?deniedAccessCustomisedMessage=&userIsAuthenticated= false про методи оцінки в GAM's ...

все це з багатьма різними авторами, тому відповідь на оригінальне запитання здається безліччю .

— kjetil b halvorsen
джерело

Як осторонь, я не знайшов мало переваг GAM в порівнянні з параметричними моделями регресії додаткової регресії, які дають більш прості формальні тести та довірчі інтервали та дають формули для прогнозування.

— Френк Харрелл