Hi ha diferència entre models additius i models additius generalitzats? http://artsandsciences.sc.edu/geog/hvri/sites/sc.edu.geog.hvri/files/attachments/SoVI%20recipe_2016.pdf


Resposta 1:

Sí.

Un model additiu encaixa les dades com la suma de predictors univariables. Un model additiu generalitzat s’adapta a una transformació de les dades, com el logaritme o la inversa. Per a un estadístic es tracta només d’una transformació de la variable dependent, que és una tècnica estàndard utilitzada en tot tipus d’adaptació, però que té el seu propi nom per raons històriques.

La vostra referència diu afegir-los. No sé com els podríeu posar en un model de regressió, ja que no teniu una variable dependent. Sembla que estàs construint un índex en lloc de predir alguna cosa.

Acabo d’endevinar aquí, però l’objectiu del procediment sembla ser reduir la dimensionalitat. Teniu moltes dades del cens i voleu obtenir un índex de vulnerabilitat social que podríeu utilitzar per a futures investigacions.

L’únic motiu per transformar la puntuació de vulnerabilitat social seria donar-li algunes propietats estadístiques normalitzades, com una distribució normal o uniforme, o potser fer que el seu valor esperat sigui igual a alguna altra mesura de vulnerabilitat social per a comparacions fàcils. Això podria fer més convenient l'ús en altres investigacions. Però no canviaria el contingut de la informació de la mesura. Qualsevol persona sempre podria transformar la mesura en les investigacions posteriors.

Podríeu afegir un pas on indiqueu pes als components individuals abans d’afegir-los. Però això semblaria derrotar aquest punt. Crec que el que passa aquí és que tens massa variables per utilitzar-les cadascuna de manera individual com a variable independent. Si teníeu informació per ponderar cadascun d’ells per l’índex, per què no només cal fer servir els components de forma individual en una regressió? Pot haver-hi algun motiu per això, per exemple, pot ser que tingueu la informació d’un conjunt de dades per estimar pesos, però voleu utilitzar la mesura en un altre conjunt de dades on no ho feu. Però suposo que només heu d'afegir aquí.