我试图模拟不同大小的森林碎片中鸟类的计数数据 . 由于进行调查的地块在碎片之间的大小也不同，我想将调查地块大小添加为将计数转换为密度的偏移项 .
正如我从此网站上的先前问题中所理解的，这通常用于泊松模型，因为它们具有日志链接 . 我与家庭ziP一起运行的GAM模型（mgcv包）有link =“identity” . 据我所知，在这种情况下，偏移项将从响应中减去，而不是产生所需的响应/偏移率 .
但是，当我使用偏移项运行模型并绘制结果时，它似乎给出了我想要的结果（我将泊松模型的图与ziP模型进行了比较） .
这是我使用的模型，其中Guild反映了不同的饲养公会，logArea是片段大小的对数，Study是我的随机效应（数据来自几个研究） .
gam1 <- gam(Count ~ Guild + s(logArea, by=Guild) + s(Study,bs="re"), offset=lnTotalPlotsize, family=ziP(),data=Data_ommited2)
在这种情况下，有人可以解释GAM如何处理偏移项（具有身份链接的ziP模型）？它是否真的产生了所需的响应/偏移率，还是在做其他事情？
谢谢你的帮助！
问候，罗伯特
1 回答
虽然仅提供了身份链接，但线性预测器返回预期计数的日志 . 因此，线性预测器在对数刻度上，并且您对偏移的使用是可以的 .
基本上，模型是针对日志响应而不是响应参数化的，因此使用了身份链接功能 . 这与
ziplss()系列相同 .