赖江山的博客

在生态学研究中，当面临解释变量众多的复杂情境时，研究者们往往会倾向于通过变量筛选来简化模型，进而进行因果关系的解读。然而，这种做法其实存在极大的风险。简而言之，尽管经过筛选的模型可能在预测效率上达到了理想状态，但这并不能保证所保留的变量就是对响应变量的影响是真实的。换句话说，那些被筛选掉的变量，其 ...

广义可加模型（ GAM，Generalized Additive Models ）是一种具备高度灵活性和自由度的非线性回归统计模型。先前我个人倾向于将其应用于预测可能更有用，因其准确性颇受信赖。然而，当涉及到解释性方面时，我曾对其适用性抱有疑虑，总觉得可能存在过拟合的现象，使得 mgcv 包中 GAM 给出的校正 R 2 （ r.sq ） ...

问：赖老师，我用您 rdacca.hp这个包想解释生物和非生物因子对EMF的解释，是把每一个变量先扔进去， 看每一个变量的解释再手动加和生物和非生物因子的解释度，还是在跑数据之前就先设置一个list把数据分类 生物和非生物因子呢？这两个方法我都试了试，发现结果是不一样的。 答：结果肯定不一样，因为算法不一样 ...

根据Clarivate最新数据显示（2024年1月11日），我 们2022年 4 月发表“Methods in Ecology and Evolution”上用于获取典范分析单个解释变量解释 率的文章“Generalizing hierarchical and variation partitioning in multiple regression and canonical analyses using the rdacca.hp R package” 入选Top 0.1% ESI热点 ...

我的ppt在百度网盘，大家有兴趣请下载！ 链接: https://pan.baidu.com/s/1drBuBaPA2PRf0oZj5z9axw?pwd=sg8w 提取码: sg8w

2022年4月发表在英国生态学会期刊Methods in Ecology and Evolution的用于获取典范分析单个解释变量解释率的方法，目前在google学术搜索已经达到226次被引，Web of Science 也显示186次引用。当然，我们的国内同行的引用超过90%，还有不到10%的来自其他15个国外大学和研究所的引用，分别是美国的马里兰大学，辛辛那提大学 ...

https://methodsblog.com/2023/05/26/welcoming-our-new-methods-in-ecology-and-evolution-associate-editors/

感谢JPE编辑部邀请，感谢兰州大学的安排，我在2023年5月28日在兰州大学举办的植物生态前沿论坛关于glmm.hp报告ppt如下，欢迎大家使用glmm.hp包分解回归模型的拟合度。使用glmm.hp包记得如下引用: Jiangshan Lai*, Yi Zou, ShuangZhang,XiaoguangZhang. LingfengMao.2022. glmm.hp: an R package for computing in ...