一般化加法モデルGAM・平滑回帰
バグ・不具合を報告
1〜2変数の加法的な非線形関連と観測範囲内の予測値を推定する。
列の対応を保持したP-splineの推定です。平滑効果は観測点で平均0となるよう中心化し、因果効果を意味しません。
推定値はλと基底数に依存します。データは端末内で計算し、観測範囲外への外挿は行いません。
項目を入力・選択してから「計算する」を押してください。
選択内容に応じて、残りの入力項目を案内します。
計算結果
—
- x1の平滑効果(リンク尺度)
- —
- x2の平滑効果(リンク尺度)
- —
- 切片(リンク尺度)
- —
- 適合指標
- —
- 行数(n)
- —
- 反復回数
- —
値を入力して計算してください。
この計算機は使いやすかったですか?
回答はサイト改善のために保存します。入力値・計算結果は送りません。
ありがとうございます。よかったら、上の共有ボタンからこの計算機を紹介しませんか?
計算方法・適用範囲・出典
計算方法
η_i=β₀+Σ_j f_j(x_ij)、f_j(x)=Σ_k B_jk(x)θ_jk(観測点で平均0)。3次Bスプラインは等間隔で端点の外側へも節点を置き、2階差分D²θの二乗和にλを掛けて罰則化します。Gaussian・identityはΣ(y−η)²+λΣ||D²θ||²、Binomial・logitとPoisson・logは負の対数尤度×2に同じ罰則を加え、罰則付き反復重み付き最小二乗で推定します。リンク逆変換後の応答期待値を予測し、数値表示は有効数字9桁に丸めます。
指定点の応答尺度予測、各説明変数の中心化した平滑効果(リンク尺度)、行別推定、適合指標。
計算例(架空の数値)
人工データの応答がxに対して直線であり、説明変数1つ・Gaussian/identityで十分な異なるxがある場合、P-splineの2階差分が0となる直線形を再現できます。
適用対象と限界
匿名で対応する同一単位の観測行。Gaussian(実数・identity)、Binomial(独立0/1・logit)、Poisson(非負整数・log)。欠測の補間、GCV/交差検証によるλ自動選択、平滑区間・信頼区間、相互作用、交互作用、観測範囲外の予測、観測依存を考慮した誤差評価、因果推論を含まない。。
方法と出典
方法:Eilers–Marx (1996) P-spline / statsmodels GAM 0.14.6(分布・リンク参照);browsercalculators E481 v1。データ記録日:2026-11-13。