非常感谢您对此的投入!
我正在进行逻辑回归,但由于某种原因它不起作用:
mod1<-glm(survive~reLDM2+yr+yr2+reLDM2:yr +reLDM2:yr2+NestAge0,
family=binomial(link=logexp(NSSH1$exposure)),
data=NSSH1, control = list(maxit = 50))
当我使用较少的数据运行相同的模型时,它可以工作!但是使用完整的数据集,我收到错误和警告消息:
Error: inner loop 1; cannot correct step size
In addition: Warning messages:
1: step size truncated due to divergence
2: step size truncated due to divergence
这是数据:https://www.dropbox.com/s/8ib8m1fh176556h/NSSH1.csv？dl = 0
用户定义链接函数的日志曝光链接功能,用于已知命运生存建模的glmer:
library(MASS)
logexp <- function(exposure = 1) {
linkfun <- function(mu) qlogis(mu^(1/exposure))
## FIXME: is there some trick we can play here to allow
## evaluation in the context of the 'data' argument? …我正在尝试从 GAM 模型中提取结的位置，以便将我的预测变量划分为另一个模型的类别。我的数据包含一个二元响应变量（已使用）和一个连续预测变量（开放）。
data <- data.frame(Used = rep(c(1,0,0,0),1250),
Open = round(runif(5000,0,50), 0))
我这样拟合GAM：
mod <- gam(Used ~ s(Open), binomial, data = data)
type=c("response", "lpmatrix")我可以在函数内获得预测值和模型矩阵等，predict.gam但我正在努力提取系数变化的结位置。任何建议真的很感激！
out<-as.data.frame(predict.gam(model1, newdata = newdat, type = "response"))
如果可能的话，我也有兴趣做类似的事情：
http://www.fromthebottomoftheheap.net/2014/05/15/identifying-periods-of-change-with-gams/
其中识别了样条的统计增加/减少，但是，我此时没有使用 GAMM，因此，在识别从 GAMM 模型中提取的 GAM 中的相似模型特征时遇到问题。第二项更多的是出于好奇。