Sei que essa pode ser uma questão potencialmente ampla, mas fiquei imaginando se existem suposições generalizáveis que indicam o uso de um GAM (modelo aditivo generalizado) sobre um GLM (modelo linear generalizado)?
Alguém me disse recentemente que os GAMs devem ser usados apenas quando eu suponho que a estrutura de dados seja "aditiva", ou seja, espero que adições de x prevejam y. Outra pessoa apontou que um GAM faz um tipo diferente de análise de regressão que um GLM e que um GLM é preferido quando se pode assumir linearidade.
No passado, eu estava usando um GAM para dados ecológicos, por exemplo:
- séries temporais contínuas
- quando os dados não tinham uma forma linear
- Eu tinha vários x para prever o meu y, que pensava ter alguma interação não linear que eu poderia visualizar usando "gráficos de superfície" junto com um teste estatístico
Obviamente, não compreendo muito bem o que um GAM faz diferente de um GLM. Acredito que seja um teste estatístico válido (e vejo um aumento no uso de GAMs, pelo menos em periódicos ecológicos), mas preciso saber melhor quando seu uso é indicado em outras análises de regressão.