广义相加混合模型 负二项

来自决策链云智库
Zeroclanzhang（讨论 | 贡献）2024年1月18日 (四) 22:13的版本 （创建页面，内容为“{{Infobox nodebasic |nodename=广义相加混合模型_负二项 |nodeimage=Generalized Additive Mixed Model_Negative Binomial.png |icon=Generalized Additive Mixed Model_Negative Binomial.svg |simpleicon=Generalized Additive Mixed Model_Negative Binomial_Pure.svg |developer=Dev.Team-DPS |productionstate={{图标文件|Win}} / {{图标文件|W10}} Win10及以上可用 |productionstatedesc=在V1.0.2部署 |nodeenglishname=Has e…”）
(差异) ←上一版本 | 最后版本 (差异) | 下一版本→ (差异)
Generalized Additive Mixed Model Negative Binomial.png
节点状态
Windows / Windows 10 Win10及以上可用
在V1.0.2部署
广义相加混合模型_负二项Generalized Additive Mixed Model Negative Binomial.svg
节点开发者决策链算法研发部 (Dev.Team-DPS)
节点英文名广义相加混合模型 负二项
功能主类别数据分析
英文缩写广义相加混合模型 负二项
功能亚类别回归分析
节点类型数据挖掘
开发语言R
节点简介

广义相加混合模型是混合效应和相加模型的结合，不仅可以引进随机效应，还可以对重复测量的自变量X及其他协变量使用曲线拟合。GAMM也是用来探测到非线性回归的影响,与GAM相比,多了个random effects。负二项回归是因变量为计数变量的回归,而且要满足以下条件:各观测行间是非独立的,事件的发生有空间聚集现象,因变量存在过离散现象，即方差远大于均数。

用途：能够捕捉预测变量的非线性效应，并且可以处理随机效应，即数据的群体级别的异质性或连续性的依赖关系。用于处理具有过度离散特性的计数数据和复杂的非线性关系，同时考虑固定效应和随机效应。

参数：选择非负整数且分布具有过度离散性因变量，数值型曲线拟合变量，随机变量，和自变量。

端口数量与逻辑控制(PC)
Input-入口6个
Output-出口2个
Loop-支持循环是
If/Switch-支持逻辑判断否
输入输出
可生成图片类型（推荐）
可生成数据表类型（推荐）
相关节点
上一节点广义相加混合模型_伽玛
下一节点广义相加混合模型_泊松
WikimediaUI-Globe.svg相关网站





查找其他类别的节点，请参考以下列表

取自“https://wiki.statsape.com/index.php?title=广义相加混合模型_负二项&oldid=5323”
最近修改
此页面最后编辑于2024年1月18日 (星期四) 22:13。
版权
DecisionLinnc Wiki (决策链云智库) © 2024 by Statsape is licensed under Attribution-NonCommercial-ShareAlike 4.0 International. To view a copy of this license, visit [http://creativecommons.org/licenses/by-nc-sa/4.0/| CreativeCommons-Licenses-4.0].