데이터가 0으로 증가 된 GAMM

R에서 제로 팽창 된 데이터에 대해 GAMM (Generalized Additive Mixed Model)을 적용 할 수 있습니까?

그렇지 않은 경우, R에서 음 이항 또는 준 포아송 분포를 갖는 무 팽창 데이터에 대해 GAM (Generalized Additive Model)을 적용 할 수 있습니까? ( 포아송 분포에 대한 COZIGAM :: zigam 및 mgcv : ziP 함수를 찾았 습니다 )

뿐만 아니라 mgcv 과 제로 팽창 포아송 가족 ( ziP()과 ziplss()), 당신은 또한 볼 수있는 BRMS의 폴 기독교 Bürkner에 의해 패키지로 제공된다. 분포 모형에 적합 할 수 있습니다 (평균 이상의 모형을 모델링하는 경우 모형의 무 인플레이션 성분을 계수 함수와 같은 공변량의 함수로 모델링 할 수 있음).

단순 1-d 또는 등방성 2-d 스플라인 또는 이방성 텐서 곱 스플라인에 대한 모든 선형 예측 변수 (평균 / 카운트, 제로 팽창 부품 등) s()및 t2()항에 각각 스무딩을 포함 할 수 있습니다 . 제로 팽창 이항, 포아송, 음 이항 및 베타 분포와 제로 일 팽창 베타 분포를 지원합니다. 또한 포아송 및 음성 이항 반응에 대한 허들 모델을 가지고 있습니다 (여기서 카운트 부분은 더 이상 0 카운트를 생성하지 않도록 잘린 분포입니다).

brms는 STAN을 사용하여 이러한 모델에 적합 하므로 완전히 베이지안이지만 관련 정보를 추출하기 위해 새로운 인터페이스 세트를 학습해야합니다. 즉,이 작업에 대해서만 지원 기능을 제공하는 여러 패키지 가 있으며 brms 에는 이러한 보조 패키지를 활용하는 도우미 기능이 작성되었습니다. 당신은 STAN 설치 얻을해야합니다 그리고 당신은 C ++ 컴파일러가 필요합니다 BRMS는 evalutation에 대한 STAN 코드로 R을 사용하여 정의 된 모델을 컴파일합니다.

glmmTMB패키지는이를 제공하며 최근 bioRxiv 종이에 설명되어 있습니다 : 브룩스 등을. (2017). 모델링 제로 비정상적으로 카운트와 데이터glmmTMB , bioRxiv, 도이 : 10.1101 / 132,753 .

Gavin Simpson에는 이 목적 glmmTMB과 비교할 수있는 멋진 블로그 게시물 mgcv이 있습니다 : mgcv가있는 피팅 카운트 및 0 팽창 카운트 GLMM .