问题标签 [mgcv]

假设我有一个带有yand x1, x2,xp变量的数据集。我想用样条曲线拟合我的所有预测变量。

例如 ：

在不输入每个变量的情况下如何做到这一点？如果我想在不使用样条的情况下安装没有前两个的模块。我怎样才能做到这一点？

I fit a Generalized Additive Model using gam from the mgcv package. I have a data table containing my dependent variable Y, an independent variable X, other independent variables Oth and a two-level factor Fac. I would like to fit the following model

Y ~ s(X) + Oth

BUT with the additional constraint that the s(X) term is fit only on one of the two levels of the factor, say Fac==1. The other terms Oth should be fit with the whole data.

I tried exploring s(X,by=Fac) but this biases the fit for Oth. In other words, I would like to express the belief that X relates to Y only if Fac==1, otherwise it does not make sense to model X.

gam我使用mgcv包中的负二项式系列拟合广义加法模型。我有一个数据框，其中包含我的因变量Y、自变量X、其他自变量Oth和一个因子Fac。我想适合以下模型

Y ~ s(X) + Oth

theta每个因素水平不同。换句话说，我使用

fit <- gam(Y~s(X)+Oth, family=nb())

但这仅给了我theta整个数据集的一个分散参数。相反，我相信各因子的均值是相同的，因此s(X)和只需要一组系数Oth，但方差会随因子而变化，因此我希望theta每个 的水平有一个离散估计Fac。

自然地，每个因子级别拟合一个模型是行不通的，因为我会为每个因子级别的自变量获取一组系数，而不是为整个数据集获取一组系数。

我对 rstudio 中的 GAM 和 GLM 建模有疑问。查看结果，每个第一个因素都保持截距，我该如何阻止它，这样我才能看到所有因素的影响？谢谢戴夫

在使用包预测 GAM 模型时mgcv，使用micv平滑函数（来自scam包）为协变量之一构建，我收到以下错误：

代码：

我也尝试了以下方法：

所有变量都是数字

我正在尝试扩展一个类似于 Gavin Simpson 在这里描述的模型，以包括随机效应。 https://stats.stackexchange.com/questions/32730/how-to-include-an-interaction-term-in-gam

whereloc被一个 4 级因子代替。固定效应是两个分类变量（A 和 B）和两个连续变量（C1 和 C2），具有所有成对的交互作用。响应为 1 和 0。

例如

试图运行它我得到了错误
Error in X %*% diag(diagU[indi]) : non-conformable arguments

从潜伏在代码中gamm4()，gamm()它似乎与惩罚随机效应的每个级别内的平滑有关？

我目前正在运行模型，其中包含 4 个个体（最终可能有 40 个左右），并且最终也应该在几年内嵌套个体。

可能是我的问题是针对特定情况的（阅读：我代表我的数据过于雄心勃勃），但gamm4()在某些问题上阅读仍然是“建设阶段”让我想知道我是否代表雄心勃勃gamm4()?

或者我可能只是完全错了，并且在一些死胡同中远足......

我知道随机效应和平滑曲线估计之间存在对偶性。在此链接中，Simon Wood 描述了如何使用 mgcv 指定随机效应。特别值得注意的是以下段落：

例如，如果 g 是一个因子，则 s(g,bs="re") 为 g 的每个级别生成一个随机系数，所有随机系数都建模为 iid normal。

经过快速模拟，我可以看到这是正确的，并且模型拟合几乎相同。然而，可能性和自由度是非常不同的。谁能解释其中的区别？应该使用哪一种进行测试？

完全披露：我遇到这个问题是因为我想拟合一个还包括随机效应（重复测量）的 GAM，但需要知道我是否可以信任这些模型下的基于可能性的测试。

我正在尝试制作一个二项式 GAM。630 万行数据（因此是bam）。我有两个随机效应（40 和 7 个级别）s(...,"re")，使用 3 个分类变量（5 + 5 + 4 个级别）和一个循环平滑（s(Hour, by = GroupAB, bs = "cc")）。GroupAB 有 25 个级别，是前面提到的两个变量之间的串联，我在平滑之外包括了这些变量之间的额外交互。类似的东西(y~s(..,"re") + s(..,"re") + s(Hour, by = GroupAB, "cc") + A * B + C, family ="binomial")。

当我运行模型时，我收到以下错误消息：

我已经追踪到 bam 试图制作稀疏矩阵（sparse.matrix.model()在https://github.com/cran/mgcv/blob/master/R/bam.r中）。看到它使用了 的chunk.size=参数bam()，我开始玩弄它。在将块大小从 10k 增加到 75K 后，我让模型运行并给出了合理的结果。

但为什么首先会出现错误？是否有避免此错误消息的技巧？还是和数据有关？

嗨，我目前正在使用 gam 模型估计幸福和年龄。我的回归命令是

我想可视化交互式变量“s(age):nochild”的估计效果visreg。我正在努力这样做，因为在使用时只出现了对年龄和 nochild 的估计

我希望图表看起来像这样

• Y轴：s（年龄）：nochild

• X轴：年龄

但是，我不确定如何执行此操作，visreg或者是否有任何其他命令可以帮助执行此操作？

非常感谢你提前

我正在使用 R 中的“mgcv”和连续的“by”变量创建一个可变系数 GAMM，方法是使用该by设置。但是，我很难找到“by”变量影响的参数估计值。在这个例子中，我们确定了温度对单个鸡蛋的空间依赖性影响t（即温度对单个鸡蛋的线性影响如何随空间变化）：

然后，我们可以绘制s(la,lo, by = t)针对预测变量的预测效果t：

但是，我找不到t每个采样位置的“按”变量的参数估计值的列表/函数。summary(), coef(), 并且predict()不给你参数估计。

任何帮助，将不胜感激！