我越来越多地使用 GAM。当我去为它们的各种组件（平滑参数选择、各种样条基、平滑项的 p 值）提供参考时，它们都来自一位研究人员——英国巴斯大学的 Simon Wood。
他还是mgcvin R 的维护者，实现了他的工作。 mgcv非常复杂，但效果非常好。
肯定有更旧的东西。最初的想法归功于 Hastie & Tibshirani，Ruppert 等人在 2003 年编写了一本很棒的旧教科书。
作为一个应用型的人，我对学术统计学家的时代精神没有太多感觉。他的作品如何评价？一位研究人员在一个领域做了这么多，是不是有点奇怪？或者是否还有其他工作因为没有被放入其中而没有引起人们的注意mgcv？我认为 GAM 的使用并不多，尽管受过统计培训的人可以合理地使用这些材料，并且该软件开发得相当完善。有很多“背景故事”吗？
来自统计期刊的观点文章和其他类似内容的建议将不胜感激。
GAM 有很多研究人员：只是基本相同的模型（具有由平滑函数之和给出的线性预测器的 GLM）被赋予了许多不同的名称。您会发现可以称为 GAM 的模型：半参数回归模型、平滑样条 ANOVA 模型、结构化加性回归模型、广义线性加性结构模型、位置尺度和形状的广义加性模型、高斯潜变量模型等。
一小部分从计算角度研究 GAM 相关主题的研究人员是：
Ray Carroll，Maria Durban，Paul Eilers，Trevor Hastie，Chong Gu，Sonja Greven，Thomas Kneib，Stephan Lang，Brian Marx，Bob Rigby，David Ruppert，Harvard Rue，Fabian Scheipl，Mikis Stasinopoulus，Matt Wand，Grace Wahba，Thomas Yee .
（还有更多的人致力于增强 GAM、GAM 相关理论和密切相关的功能数据分析方法）。我的论文主要是关于开发高效且通用的 GAM 方法来计算，但这肯定不是关于这个主题的全部内容。
谷歌学者给出了很多点击，除了上面的参考文献，在评论中，一些看起来很有趣的是：
http://www.sciencedirect.com/science/article/pii/S0304380002002041 GAM 的物种分布研究，发表于“生态建模”
http://aje.oxfordjournals.org/content/156/3/193.short 在空气污染和健康研究中使用 GAM
但 OP 似乎更关心统计理论，所以：
http://www.sciencedirect.com/science/article/pii/S0167947398000334 这是关于更好的拟合算法
http://onlinelibrary.wiley.com/doi/10.1111/1467-9876.00229/abstract 基于 MArkov 随机场先验的贝叶斯推理
http://onlinelibrary.wiley.com/doi/10.1111/1467-9469.00333/abstract?deniedAccessCustomisedMessage=&userIsAuthenticated=false 关于 GAM 中的估计方法...
所有这一切都与许多不同的作者有关，因此原始问题的答案似乎很多。