cgam：约束广义可加模型

用cgam程序拟合约束广义可加模型。给定一组预测器，每个预测器可能有形状或顺序限制，使用迭代加权锥投影算法找到约束广义可加模型的最大似然估计。ShapeSelect例程选择预测变量的子集，并描述与响应的分量关系。对于每个预测器，用户只需指定一组可能的形状或顺序限制。模型选择方法选择关系的形状和顺序以及变量。圆锥信息准则（CIC）用于选择变量和形状的最佳组合。当可能的模型集较大时，可以使用遗传算法。此外，cgam例程使用翘曲平面样条实现二维等渗回归，而无需进行可加性假设。它还可以用三角形样条拟合凸回归曲面或凹回归曲面，而无需进行可加性假设。参见Liao X，Meyer MC（2019）<doi:10.18637/jss.v089.i05>了解更多详细信息。

版本：	1.21
取决于：	锥状突起(≥ 1.12),sv对话框(≥ 0.9-57),随机反演(≥ 1.4.36),lme4公司(≥ 1.1-13),矩阵（≥1.2-8），R（≥3.0.2）
建议：	统计数据，MASS（质量）、图形、grDevices、utils、，半标准杆
出版：	2023-08-10年
作者：	玛丽·梅耶，廖西岳[自动，创建]
维护人员：	廖西岳（Xiyue Liao）<xliao at sdsu.edu>
许可证：	GPL-2型|GPL-3公司【扩展自：GPL（≥2）】
需要编译：	不
引用：	cgam引文信息
材料：	更改日志
CRAN检查：	cgam结果

文档：

参考手册：

cgam.pdf文件

下载内容：

包源：	cgam_1.21.tar.gz
Windows二进制文件：	r-预发布：cgam_1.21.zip文件，r版本：cgam_1.21.zip文件，r-oldrel：cgam_1.21.zip文件
macOS二进制文件：	r-prerel（arm64）：cgam_1.21.tgz公司，r-release（arm64）：cgam_1.21.tgz公司，r-oldrel（arm64）：cgam_1.21.tgz公司，r-prerel（x86_64）：cgam_1.21.tgz公司，r-release（x86_64）：cgam_1.21.tgz公司
旧来源：	cgam存档

反向依赖关系：

反向取决于：	c调查
反向进口：	cgaim公司
反向建议：	洞察,参数

链接：

请使用规范形式https://CRAN.R-project.org/package=cgam链接到此页面。