在 GAM 零膨胀泊松 (ziP) 模型中使用偏移
Using offset in GAM zero inflated poisson (ziP) model
我正在尝试对不同大小的森林碎片中鸟类的计数数据进行建模。由于进行调查的地块在片段之间的大小也不同，我想添加调查地块大小作为偏移项以将计数转换为密度。
据我从本网站之前的问题中了解到，这通常是针对泊松模型完成的，因为这些模型具有对数 link。 GAM模型（mgcv包）我是运行 family ziP有link="identity"。据我所知，在这种情况下，将从响应中减去偏移项，而不是产生所需的 response/offset 率。
但是，当我 运行 使用偏移项的模型并绘制结果时，它似乎给出了我想要的结果（我将泊松模型的图与 ziP 模型进行了比较）。
这是我用的模型，Guild反映了不同的feed guild，logArea是片段大小的对数，Study是我的随机效应（数据来自几个研究）。
gam1 <- gam(Count ~ Guild + s(logArea, by=Guild) + s(Study,bs="re"), offset=lnTotalPlotsize, family=ziP(),data=Data_ommited2)
有人可以解释一下 GAM 在这种情况下如何处理偏移项（具有标识 link 的 ziP 模型）吗？它真的会产生所需的 response/offset 率还是在做其他事情？
感谢您的帮助！
此致，
罗伯特
虽然仅提供身份 link，但线性预测变量 returns 是预期计数的对数。因此，线性预测器是对数尺度的，您可以使用偏移量。
基本上，模型是针对日志响应而不是响应进行参数化的，因此使用了身份 link 函数。这与 ziplss() 系列相同。
我正在尝试对不同大小的森林碎片中鸟类的计数数据进行建模。由于进行调查的地块在片段之间的大小也不同，我想添加调查地块大小作为偏移项以将计数转换为密度。
据我从本网站之前的问题中了解到，这通常是针对泊松模型完成的，因为这些模型具有对数 link。 GAM模型（mgcv包）我是运行 family ziP有link="identity"。据我所知，在这种情况下，将从响应中减去偏移项，而不是产生所需的 response/offset 率。
但是，当我 运行 使用偏移项的模型并绘制结果时，它似乎给出了我想要的结果（我将泊松模型的图与 ziP 模型进行了比较）。
这是我用的模型，Guild反映了不同的feed guild，logArea是片段大小的对数，Study是我的随机效应（数据来自几个研究）。
gam1 <- gam(Count ~ Guild + s(logArea, by=Guild) + s(Study,bs="re"), offset=lnTotalPlotsize, family=ziP(),data=Data_ommited2)
有人可以解释一下 GAM 在这种情况下如何处理偏移项（具有标识 link 的 ziP 模型）吗？它真的会产生所需的 response/offset 率还是在做其他事情？
感谢您的帮助！
此致， 罗伯特
虽然仅提供身份 link，但线性预测变量 returns 是预期计数的对数。因此，线性预测器是对数尺度的，您可以使用偏移量。
基本上，模型是针对日志响应而不是响应进行参数化的，因此使用了身份 link 函数。这与 ziplss() 系列相同。