Saya semakin sering menggunakan GAM. Ketika saya pergi untuk memberikan referensi untuk berbagai komponen mereka (pemilihan parameter smoothing, berbagai basis spline, p-nilai istilah halus), mereka semua dari satu peneliti - Simon Wood, di University of Bath, di Inggris.
Dia juga pemelihara mgcv
di R, yang mengimplementasikan tubuh kerjanya. mgcv
sangat rumit, tetapi bekerja sangat baik.
Ada barang yang lebih tua, pasti. Ide aslinya dikreditkan ke Hastie & Tibshirani, dan buku teks besar yang lebih tua ditulis oleh Ruppert et al pada tahun 2003.
Sebagai orang yang menerapkan, saya tidak memiliki banyak perasaan untuk zeitgeist di antara para ahli statistik akademik. Bagaimana pekerjaannya? Apakah agak aneh bahwa seorang peneliti telah melakukan begitu banyak hal dalam satu bidang? Atau ada pekerjaan lain yang tidak begitu diperhatikan karena tidak dimasukkan ke dalam mgcv
? Saya tidak melihat GAM banyak digunakan, meskipun materi tersebut cukup dapat diakses oleh orang-orang dengan pelatihan statistik, dan perangkat lunaknya cukup berkembang. Apakah ada banyak "kisah belakang"?
Rekomendasi potongan perspektif dan hal serupa lainnya dari jurnal stat akan dihargai.
sumber
Jawaban:
Ada banyak peneliti tentang GAM: hanya saja pada dasarnya model yang sama (GLM dengan prediktor linier yang diberikan dengan sejumlah fungsi halus) diberi banyak nama berbeda. Anda akan menemukan model yang dapat Anda sebut sebagai GAM yang disebut: model regresi semiparametrik, model smoothing spline ANOVA, model regresi aditif terstruktur, model struktur aditif linier umum, model aditif umum untuk skala dan bentuk lokasi, model variabel laten Gaussian, dll.
Sejumlah kecil peneliti tentang topik terkait GAM dengan sudut komputasi adalah:
Ray Carroll, Maria Durban, Paul Eilers, Trevor Hastie, Chong Gu, Sonja Greven, Thomas Kneib, Stephan Lang, Brian Marx, Bob Rigby, David Ruppert, Harvard Rue, Fabian Scheipl, Mikis Stasinopoulus, Matt Wand, Grace Wahba, Thomas Yee .
(dan ada jauh lebih banyak orang yang bekerja pada GAM yang dikuatkan, teori terkait GAM dan metode analisis data fungsional terkait erat). Makalah saya kebanyakan tentang mengembangkan metode GAM yang efisien dan umum untuk dihitung, tetapi tentu saja tidak semua yang bisa dikatakan tentang masalah ini.
sumber
google scholar memberikan banyak hit, selain referensi di atas, dan dalam komentar, beberapa yang terlihat menarik adalah:
http://www.sciencedirect.com/science/article/pii/S0304380002002041 GAM dalam studi distribusi spesies, yang diterbitkan dalam "Pemodelan Ekologis"
http://aje.oxfordjournals.org/content/156/3/193.short Penggunaan GAM dalam studi polusi udara dan kesehatan
tetapi OP tampaknya lebih peduli pada teori statistik, jadi:
http://www.sciencedirect.com/science/article/pii/S0167947398000334 ini tentang algoritma pemasangan yang lebih baik
http://onlinelibrary.wiley.com/doi/10.1111/1467-9876.00229/abstract Bayesian inferensi berdasarkan pada MArkov Random Field prior
http://onlinelibrary.wiley.com/doi/10.1111/1467-9469.00333/abstract?deniedAccessCustomisedMessage=&userIsAuthenticated=false tentang metode estimasi di GAM ...
semua ini dengan banyak penulis yang berbeda, jadi jawaban atas pertanyaan awal tampaknya banyak .
sumber