一般化加法モデルGAM・平滑回帰

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。

計算する内容
観測データ(x1・y)必須
行説明変数 x1応答 y操作
1

2列を左端の欄へタブ区切りで貼り付けられます。120行まで。

対応するx1、yを行ごとに入力。空行は対象外、途中の欠測行はエラー。単位は各列で統一してください。

3次Bスプラインの個数。多いほど形を表現できますが観測数も必要です。

0.0001〜10000。同じ基底数なら大きいほど係数の曲がりを強く抑えます。自動調整はしません。

観測されたx1の最小値〜最大値の範囲内で指定。


計算結果

値を入力して計算してください。

お気に入り一覧

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。