Zdaję sobie sprawę, że może to być potencjalnie szerokie pytanie, ale zastanawiałem się, czy istnieją uogólnione założenia, które wskazują na użycie GAM (Uogólniony model addytywny) w stosunku do GLM (Uogólniony model liniowy)?
Ktoś niedawno powiedział mi, że GAM należy używać tylko wtedy, gdy założę, że struktura danych jest „addytywna”, tj. Oczekuję, że dodanie x pozwoli przewidzieć y. Inna osoba zwróciła uwagę, że GAM wykonuje inny typ analizy regresji niż GLM i że GLM jest preferowany, gdy można założyć liniowość.
W przeszłości korzystałem z GAM do danych ekologicznych, np .:
- ciągłe szeregi czasowe
- gdy dane nie miały kształtu liniowego
- Miałem wiele x, aby przewidzieć moje y, które, jak sądzę, miały pewne interakcje nieliniowe, które mogłem wizualizować za pomocą „wykresów powierzchniowych” wraz z testem statystycznym
Oczywiście nie bardzo rozumiem, co GAM robi inaczej niż GLM. Uważam, że jest to poprawny test statystyczny (i widzę wzrost wykorzystania GAM, przynajmniej w czasopismach ekologicznych), ale muszę wiedzieć lepiej, kiedy jego użycie jest wskazane w porównaniu z innymi analizami regresji.