我想拟合一个时空模型，其中我的因变量在 [>0,<1] 范围内。
贝塔回归似乎适合这种情况。
我尝试了 betareg 包，它就像一个魅力，但据我所知，我不能包含复杂的交互项，例如出现在时空数据集中以解释自相关。
我知道 GAM，例如包 mgcv 通过 betar() 系列支持 beta 回归。据我所知，精度/方差参数保持不变，只有平均值（mu）随着预测变量的变化而变化。
我的模型看起来像这样（它是概念性的，因此不需要示例数据）：
mgcv::gam(Y~ te(latitude,longitude,day)+s(X1)+s(X2)+s(X3),family=betar())
问题是只有 mu 被建模而不是 phi /precision
在 betareg 中，我可以让我的预测变量改变 phi：
betareg::betareg(Y ~ X1+X2+X3+latitude+longitude | X1+X2+X3+latitude+longitude)
但这并不能让我根据需要对时空项进行建模，因为简单的加性效应不适合这种情况，我需要类似于 mgcv 的 te() 功能或任何其他类型的交互项所支持的东西。
是否有任何解决方法或方法来模拟 phi 但通过 mgcv 或 betareg 或任何其他 R 包来解释我的时空术语？
非常感谢！