Me doy cuenta de que esta puede ser una pregunta potencialmente amplia, pero me preguntaba si hay suposiciones generalizables que indiquen el uso de un GAM (modelo aditivo generalizado) sobre un GLM (modelo lineal generalizado).
Recientemente, alguien me dijo que los GAM solo deberían usarse cuando supongo que la estructura de datos es "aditiva", es decir, espero que las adiciones de x predigan y. Otra persona señaló que un GAM realiza un tipo diferente de análisis de regresión que un GLM, y que se prefiere un GLM cuando se puede suponer linealidad.
En el pasado, he estado usando un GAM para datos ecológicos, por ejemplo:
- series de tiempo continuas
- cuando los datos no tenían una forma lineal
- Tenía múltiples x para predecir mi y que pensé que tenía una interacción no lineal que podía visualizar usando "gráficos de superficie" junto con una prueba estadística
Obviamente no entiendo muy bien qué hace un GAM diferente a un GLM. Creo que es una prueba estadística válida (y veo un aumento en el uso de GAM, al menos en revistas ecológicas), pero necesito saber mejor cuándo se indica su uso en otros análisis de regresión.