R語(yǔ)言中的廣義線性模型（GLM）和廣義相加模型（GAM）：多元（平滑）回歸分析保險(xiǎn)資金
原文鏈接：http://tecdat.cn/?p=13885?
?
?
在之前的課堂上，我們已經(jīng)看到了如何可視化多元回歸模型（帶有兩個(gè)連續(xù)的解釋變量）。在此，目標(biāo)是使用一些協(xié)變量（例如，駕駛員的年齡和汽車(chē)的年齡）來(lái)預(yù)測(cè)保險(xiǎn)索賠的平均成本（請(qǐng)注意，此處的損失為責(zé)任損失）。通過(guò)對(duì)數(shù)鏈接從（標(biāo)準(zhǔn)）廣義線性模型獲得的預(yù)測(cè)。
?
> reg1=glm(cout~ageconducteur+agevehicule,data=base,family=Gamma(link="log"))
可視化預(yù)測(cè)平均成本的代碼如下：首先，我們必須計(jì)算特定值的預(yù)測(cè)，
> pred=function(x,y){+ predict(reg,newdata=data.frame(ageconducteur=x,+ agevehicule=y),type="response")
然后，我們使用此函數(shù)來(lái)計(jì)算網(wǎng)格上的值，
?
如果我們使用因子，而不是連續(xù)變量（這兩個(gè)變量的簡(jiǎn)化版本），我們可以使用glm函數(shù)
（我們考慮的是笛卡爾乘積，因此將針對(duì)乘積，駕駛員年齡和汽車(chē)年齡的每個(gè)乘積計(jì)算值）
顯然，我們?cè)谶@里缺少了一些東西，讓我們使用樣條曲線平滑這兩個(gè)變量，
使用加法平滑函數(shù)，我們獲得了一個(gè)對(duì)稱(chēng)圖（由于加法特性）
?
而帶有二元樣條回歸gam
?
我不能在廣義線性模型中使用雙變量樣條，但是考慮到廣義可加模型（現(xiàn)在絕對(duì)不是可加模型），它確實(shí)可以工作。更準(zhǔn)確地說(shuō)，投資組合的分布是這兩個(gè)協(xié)變量的函數(shù)，如下所示
?
因此，駕駛一輛新車(chē)的年輕駕駛員的比例和駕駛一輛非常舊的汽車(chē)的老年駕駛員的比例相當(dāng)小……如果目標(biāo)是找到合適的位置，則應(yīng)更仔細(xì)地看一下預(yù)測(cè)，但如果目標(biāo)是為了使每個(gè)人都能獲得保險(xiǎn)，也許我們應(yīng)該允許某些司機(jī)的價(jià)格被低估（尤其是在投資組合中很少見(jiàn)的情況下）。并且應(yīng)該記住，平均成本對(duì)巨額虧損極為敏感。
最新見(jiàn)解
用SPSS估計(jì)HLM層次線性模型
python用線性回歸預(yù)測(cè)股票價(jià)格
R語(yǔ)言?線性混合效應(yīng)模型實(shí)戰(zhàn)案例
R語(yǔ)言分層線性模型案例
線性混合效應(yīng)模型Linear Mixed-Effects Models的部分折疊Gibbs
R語(yǔ)言用線性回歸模型預(yù)測(cè)空氣質(zhì)量臭氧數(shù)據(jù)
使用SAS，Stata，HLM，R，SPSS和Mplus的分層線性模型HLM
R語(yǔ)言曲線回歸：多項(xiàng)式回歸、多項(xiàng)式樣條回歸、非線性回歸數(shù)據(jù)分析
SPSS中的等級(jí)線性模型Multilevel linear models研究整容手術(shù)數(shù)據(jù)
在r語(yǔ)言中使用GAM（廣義相加模型）進(jìn)行電力負(fù)荷時(shí)間序列分析
