广义加性模型

课程简介

广义加性模型是对传统线性模型的灵活扩展，通过引入平滑函数，能够有效捕捉变量之间的复杂非线性关系，克服线性模型在拟合真实世界数据时的局限性。课程将从线性模型与加性模型的基础对比讲起，逐步深入到平滑函数与惩罚似然的原理，学习如何通过惩罚项控制模型复杂度以避免过拟合。在此基础上，进一步讲解模型的诊断、比较与高阶应用技巧（例如交互与随机效应），并结合代码实操，带领学员从理论到实践，掌握如何利用广义加性模型对实际数据进行建模、诊断与解读，提升对非结构化数据关系的分析与预测能力。

适合人群

• 经济学、心理学、社会学等学科的研究生；
• 有一定的统计学基础，可以使用R软件；
• 关注变量之间的复杂非线性关联。

学习内容

• 广义加性模型的基本原理；
• GAM相关文献解读；
• GAM代码解读与实操；
• 利用广义加性模型对实际数据进行建模、诊断与解读。

资料包含

• 课程 PPT（含理论公式、案例截图）；
• R语言代码；
• 示例数据。