celin83 发表于 2014-5-30 11:40 
我的邮箱:bravebird-liu@163.com,能否给我回复下,告知我您的邮箱。不情之请,非常感谢。
解释变量间关系的,比如你有因变量和自变量,简单的是线性模型,假设自变量呈现线性关系作用于因变量。
复杂一点事非线性的参数模型,根据一定的机理推导出来的,或者简单地使用多项式函数。
广义可加模型不考虑变量间的作用形式,并且突破了残差高斯分布的限制,允许指数族分布(包含高斯分布)。你对广义可加模型的理解大体正确,但是它使用了一种后向拟合的技术,因而是每个变量都考虑后逐步迭代实现的,可以参考Hastie & Tibshirani八十年代发表在统计科学上的原文,不难理解的,只要你钻。后期Wood的算法比较复杂。
广义模型可选择很多链接函数,高斯链接则导致普通的非线性非参数或者半参数或者全参数模型。最常用的链接函数是二项链接,因变量可以用来分析比例数据或者0-1数据,简单地说就是:
y = exp(f(x1)+f(x2)+...) / ( 1 + exp(f(x1)+f(x2)+...) )
f()表示光滑函数,非参数,可以指定为参数模型,比如f(x1)=a1+b1*x1,也可以指定为非线性模型。这要取决于你数据的趋势。
多看看Simon Wood的书籍或者案例分析,就能搞懂了,不是特别困难。但是要做到精通和创新,则需要一头扎进去,并且有很好的现代统计学基础知识和创新能力。但是,应用者居多,不需要去钻研方法的数学原理。