问题描述
使用 GAM(mgcv
-package),我想通过 Happiness
(数字)、Salary
(因子)和 Education
的数量预测 Years
{1}}(数字)在大学度过。 Years
仅产生属于 Education
级别 MA
或 MSc
的观察值。数据框具有以下结构:
Happiness Salary Education University-Years
1 60 1000 no NA
2 80 1000 MA 5
3 39 1500 Abitur NA
4 40 2000 MSc 6
5 69 1500 Abitur NA
6 90 1500 Abitur NA
7 100 1000 MA 6
8 30 2500 Msc 4
... ... ... ... ...
模型 model1 <- bam(Happiness ~ s(Salary,by=Education)); summary(model1)
表明 Salary
和 Education
之间存在显着的相互作用。我想调查此交互是否受 University-Years
调制。但是,拟合 model2 <- bam(Happiness ~ te(Salary,University-Years,by=Education))
仅适用于没有 NAs
的行。所以 model1
和 model2
的 AIC 没有可比性,因为模型拟合了不同的数据集。
是否有一种方法可以构建 model2
以便仅在 Salary
的情况下包含 University-Years
、Education
和 Education==(MA|MSc)
之间的三向交互,否则为Salary
和 Education
之间的双向交互?最后,我想通过他们的 AIC 分数来比较 model1
和 model2
。
解决方法
暂无找到可以解决该程序问题的有效方法,小编努力寻找整理中!
如果你已经找到好的解决方法,欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@)