Modelli di additivi generalizzati: chi fa ricerche oltre a Simon Wood?


19

Uso sempre più i GAM. Quando vado a fornire riferimenti per i loro vari componenti (selezione dei parametri di smoothing, varie basi di spline, valori p di termini uniformi), provengono tutti da un ricercatore: Simon Wood, dell'Università di Bath, in Inghilterra.

È anche il manutentore di mgcvin R, che implementa il suo corpo di lavoro. mgcvè enormemente complesso, ma funziona straordinariamente bene.

Ci sono cose più vecchie, di sicuro. L'idea originale è attribuita a Hastie & Tibshirani e un grande libro di testo più vecchio è stato scritto da Ruppert et al nel 2003.

Come persona applicata, non ho molta sensibilità per lo zeitgeist tra gli statistici accademici. Come viene considerata la sua opera? È un po 'strano che un ricercatore abbia fatto così tanto in un'area? O c'è altro lavoro che semplicemente non viene notato tanto perché non viene inserito all'interno mgcv? Non vedo i GAM usati così tanto, anche se il materiale è ragionevolmente accessibile alle persone con formazione statistica e il software è abbastanza ben sviluppato. C'è molto di un "retroscena"?

Sarebbero apprezzate le raccomandazioni di pezzi di prospettiva e altre cose simili da riviste di statistica.


Questa domanda mi sembra non adatta al CV. Sembra un po 'ampio, sfocato e potenzialmente fuori tema. Puoi focalizzarlo di più e provare a renderlo più chiaro sull'argomento? (Chiedere riferimenti per un aspetto specifico dei GAM sarebbe certamente in tema, ad esempio.)
gung - Reinstalla Monica

Sono consapevole che è un po 'sfocato. È una sorta di meta-domanda sulla disciplina delle statistiche e non sono sicuro di dove andare. Gradirei comunque riferimenti a commenti e articoli di prospettiva, e modificherò la domanda per includerlo.
user59828

4
Thomas Kneib e Fabian Scheipl sono due nomi con cui ho familiarità in questo campo e che promuovono un modo un po 'diverso di adattare GAM e modelli correlati. Ho l'impressione che ci sia un'amichevole "competizione" tra Simon Wood e questi ragazzi mentre vedo Wood sviluppare nuove idee in documenti e funzionalità in mgcv che sono in "risposta" al lavoro di Kneib & Schiepl e altri. Knieb, ad esempio, è uno degli sviluppatori di BayesX che si adatta a modelli di additivi strutturati ed è in qualche modo diverso dall'approccio di regressione penalizzato di Wood.
Ripristina Monica - G. Simpson,

2
Ad esempio, vedere Dati di livellamento e regressione bayesiani per dati storici longitudinali, spaziali ed eventi di Fahrmier & Kneib per un'ampia copertura dell'approccio del modello di additivo strutturale.
Ripristina Monica - G. Simpson,

6
Penso che le domande sulla cultura statistica siano davvero utili. Questa ha già attirato una risposta interessante, sebbene pubblicata come coppia di commenti.
Flounderer,

Risposte:


13

Ci sono molti ricercatori su GAM: è solo che sostanzialmente allo stesso modello (GLM con predittore lineare dato dalla somma di funzioni fluide) vengono assegnati molti nomi diversi. Troverai modelli che potresti chiamare GAM chiamati: modelli di regressione semiparametrica, modelli ANOVA di spline uniformi, modelli di regressione additiva strutturata, modelli di struttura di additivi lineari generalizzati, modelli di additivi generalizzati per scala e forma della posizione, modelli di variabili latenti gaussiane, ecc.

Una piccola selezione di ricercatori su argomenti relativi alla GAM con un aspetto computazionale è:

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 .

(e ci sono molte più persone che lavorano su GAM potenziati, teoria correlata a GAM e metodi di analisi dei dati funzionali strettamente correlati). I miei articoli riguardano principalmente lo sviluppo di metodi GAM efficienti e generali da calcolare, ma non è certo tutto ciò che c'è da dire sull'argomento.


3
Benvenuto sul nostro sito, Simon, e molte grazie per il tuo contributo!
whuber

1

google scholar dà molti successi, oltre ai riferimenti sopra e nei commenti, alcuni che sembrano interessanti sono:

http://www.sciencedirect.com/science/article/pii/S0304380002002041 GAM negli studi sulla distribuzione delle specie, pubblicato in "Modellistica ecologica"

http://aje.oxfordjournals.org/content/156/3/193.short Uso di GAM negli studi sull'inquinamento atmosferico e sulla salute

ma l'OP sembra interessarsi maggiormente alla teoria statistica, quindi:

http://www.sciencedirect.com/science/article/pii/S0167947398000334 si tratta di algoritmi di adattamento migliore

http://onlinelibrary.wiley.com/doi/10.1111/1467-9876.00229/abstract Inferenza bayesiana basata sui priori di MArkov Random Field

http://onlinelibrary.wiley.com/doi/10.1111/1467-9469.00333/abstract?deniedAccessCustomisedMessage=&userIsAuthenticated=false sui metodi di stima in GAM ...

tutto questo con molti autori diversi, quindi la risposta alla domanda originale sembra essere molte .


6
Per inciso, ho trovato poco vantaggio dei modelli spline di regressione additiva parametrica di GAM, che offrono test formali e intervalli di confidenza più semplici e forniscono formule per la previsione.
Frank Harrell,
Utilizzando il nostro sito, riconosci di aver letto e compreso le nostre Informativa sui cookie e Informativa sulla privacy.
Licensed under cc by-sa 3.0 with attribution required.