przewodnikPoPakiecieR2

Wybrane procedury statystyczne

gdzie /i() jest funkcją wiążącą (ang. link fund ten) n lukiej samej interpretacji jak funkcja wiążąca w uogólnionych modelach liniowych a s,() to pewne nieliniowe funkcje pojedynczych zmiennych objaśniających. W tym modelu poszczególne zmienne X, mogą mieć nieliniowy wpływ nn zmienną obserwowaną ale efekty dla poszczególnych zmiennych są addytywne.

Metody do budowy, estymacji i oceny modelu GAM dostępne są w pakiecie gam. Do budowy modelu GAM służy funkcja gam (gam).

•    Regresja segmentowa (ang. Segmented ngression).

Dla pewnych zjawisk zależność pomiędzy zmienną opisującą a opisywaną może być różna w zależności od wartości zmiennej opisującej. W regresji segmentowej przedział zmienności zmiennej opisującej jest dzielony na segmenty. W każdym segmencie zależność pomiędzy zmienną objaśniającą a objaśnianą jest opisywana liniowym modelem regresji, ale w każdym segmencie może to być inny model.

Funkcje do wykonywania regresji segmentowej są opisane w pakiecie segmented. do budowy modelu regresji segmentowej służy funkcja segmented (segmented).

•    Modele strukturalne, modele równań strukturalnych, modele ścieżkowe, sieci Bayesowskie i modele grafowe (ang. Structural cąuation modeli, Baye.sian networks, gmphical models).

Klasyczne podejście do regresji (przedstawiane w powyższych podrozdziałach) dzieli obserwowane zmienne ria zmienne objaśniające i zmienne objaśniane. Objaśniające stawia po prawej stronie równości, objaśniane po lewej. Rzeczywistość jednak może być bardziej skomplikowana. Zależności pomiędzy zmiennymi mogą tworzyć złożony graf oddziaływań. Do modelowania złożonych sieci oddziaływań oraz do testowania dopasowania tak otrzymanego grafu oddziaływań służą modele strukturalne. Testowanie dopasowania odbywa się przez analizę macierzy kowariancji pomiędzy zmiennymi.

Zaletą modeli strukturalnych jest możliwość weryfikowania złożonych szlaków oddziaływań pomiędzy zmiennymi, a również sprawdzanie hipotez o kierunku zależności pomiędzy zmiennymi.

Funkcje do określania, estymacji oraz oceny modeli strukturalnych znajdują się między innymi w pakiecie sera. Do dopasowania modelu służy funkcją sem(sem) a do specyfikacji modelu funkcja specify.model(sem).

Modele strukturalne mogą być postrzegane jako uogólnienie sieci Bayesow-.: skich (kilka funkcji do budowy sieci Bayesowskich jest dostępnych w pakiecie bnlearn) lub gaussowskich modeli grafowych (do takiego modelowania można wykorzystać funkcję gModel(gRbase), inne funkcje z pakietu gRbase lub funkcje z pakietu ggm, np. f itDag(ggm)).

Warto dodać, że tego typu modelowanie staje się coraz popularniejsze.

_ Y\X ~ ?($)

Lokalne wygładzanie    h(E() PO) -    Regresja segmentowa

Dostępne w lov*ss(stata). lo«ss(atats).    - -►    Dostępna w segaented(s«gm«nt#d>.

- Dostępny w gnlaCnlma).    --------—

Rysunek 3.35: Wybrane modele regresji i metody estymacji parametrów