在线性模型中，很容易评估每个解释变量的重要性。如果满足模型的假设，给定两个解释变量和，两者的回归系数都显着不同于零，如果 x_1 的估计回归系数大于估计的回归系数将比的。换句话说，如果与响应的关联比更强。$x_1$$x_2$$x_1$$x_2$$\hat\beta_1$$\hat\beta_2$$x_2$$x_1$$x_2$$\hat\beta_1>\hat\beta_2$
我想知道是否有可能评估解释变量在广义加法模型中的重要性。GAM 的输出包含在每个变量的估计函数图中。例如：

我想知道是否可以通过查看每个图的 y 轴值来评估变量的重要性。假设“年”、“年龄”和“教育”都很重要，并且模型的假设得到满足。
由于的 codomain 大约是而的 codomain 大约是，我可以得出结论'age' 比 'year '？ 换句话说，我是否可以得出结论，“年龄”与响应的关联性比“年”强？ 不垂直翻译为“年龄” 变化？这会影响解释和变量重要性的评估吗？$\hat f_1(year)$$[-10,10]$$\hat f_2(age)$$[-40,10]$

$\hat f_1(year)$