Generalisierte additive Modelle: Unterschied zwischen den Versionen
Markus (Diskussion | Beiträge) Die Seite wurde neu angelegt: „== Kurzbeschriebung == [[Beschreibung ist::Generalisierte additive Modelle (GAM) sind eine Erweiterung generalisierter linearer Modelle, bei denen der lineare Prädiktor durch eine Summe glatter, nichtlinearer Funktionen der Kovariaten ersetzt wird. Dadurch können komplexe, nichtlineare Zusammenhänge modelliert werden, ohne eine konkrete funktionale Form vorzugeben.]] [[Beschreibung ist::Formal hat ein GAM die Struktur <math>g(\mathbb{E}[Y]) = \beta_0…“ |
Markus (Diskussion | Beiträge) K Textersetzung - „[[Wikipedia-en-Seite ist::https://en.wikipedia.org/wiki/“ durch „[[Wikipedia-en-Seite ist::“ |
||
| Zeile 30: | Zeile 30: | ||
]] | ]] | ||
Englische Wikipediaseite ist: [[Wikipedia-en-Seite ist:: | Englische Wikipediaseite ist: [[Wikipedia-en-Seite ist::Generalized_additive_model | ||
]] | ]] | ||
Version vom 3. Februar 2026, 13:56 Uhr
Kurzbeschriebung
Generalisierte additive Modelle (GAM) sind eine Erweiterung generalisierter linearer Modelle, bei denen der lineare Prädiktor durch eine Summe glatter, nichtlinearer Funktionen der Kovariaten ersetzt wird. Dadurch können komplexe, nichtlineare Zusammenhänge modelliert werden, ohne eine konkrete funktionale Form vorzugeben.
Formal hat ein GAM die Struktur '"`UNIQ--math-00000000-QINU`"', wobei '"`UNIQ--math-00000001-QINU`"' eine Link-Funktion ist und '"`UNIQ--math-00000002-QINU`"' glatte Funktionen (z. B. Splines) darstellen. Die Glattheit der Funktionen wird über Regularisierung gesteuert, sodass Überanpassung vermieden wird.
GAMs verbinden damit die Interpretierbarkeit klassischer Regressionsmodelle mit der Flexibilität nichtlinearer Modellierung. Sie bleiben primär statistisch-deskriptiv bzw. inferentiell und sind keine Black-Box-Modelle.
Anwendbarkeit im Gesundheitssektor
Im Gesundheitswesen und Public Health werden GAMs häufig eingesetzt, um nichtlineare Effekte von Alter, Umweltfaktoren, Zeit oder Expositionen zu modellieren, etwa bei Luftverschmutzung, Temperatur, saisonalen Krankheitsverläufen oder Mortalitätsanalysen.
Sie eignen sich besonders, wenn glatte Trends oder Schwellenwirkungen vermutet werden, ohne deren Form im Voraus festzulegen. GAMs sind daher ein wichtiges Werkzeug in der Epidemiologie, Umweltmedizin und Surveillance-Analyse.
Sonstiges
Nichtlinear, aber weiterhin gut erklärbar
Glattheitsparameter entscheidend für Modellqualität
Erweiterbar zu spatio-temporalen GAMs
Semantik
Wikidata-Identifikator ist: Q553857
Deutsche Wikipediaseite ist: https://de.wikipedia.org/wiki/Generalisierte_additive_Modelle
Englische Wikipediaseite ist: Generalized_additive_model
Quelle: Hastie & Tibshirani (1990), Generalized Additive Models
Behandlung von Unsicherheit in den Ergebnissen der Methode ist explizit
Für die Methode benötigte Datenmenge ist mittel
Zweck der Methode ist Inferenz;Vorhersage„Inferenz;Vorhersage“ befindet sich nicht in der Liste (Voraussage, Inferenz, Simulation, Kausale Analyse) zulässiger Werte für das Attribut „Zweck der Methode ist“.
Methode ist Mitglied der Methodenfamilie Statistisch;Beschreibende und erkundende Analyse„Statistisch;Beschreibende und erkundende Analyse“ befindet sich nicht in der Liste (Mechanistisch, Statistisch, Maschinenlernen, Tiefes Lernen, Hybrid, Kausale Inferenz, Simulation, Operationale Vorhersage, Beschreibende und erkundende Analyse, Praktisches Anwendungskonzept, ...) zulässiger Werte für das Attribut „Methode ist Mitglied der Methodenfamilie“.
Interpretierbarkeit der Ergebnisse der Methode ist gut
Webseite: https://cran.r-project.org/package=mgcv