如何预测R中具有随机效应的gam模型？

Question

我正在研究预测 gam 具有随机效应的模型以通过 plot_ly 生成 3D 曲面图。

这是我的代码；

x <- runif(100)
y <- runif(100)
z <- x^2 + y + rnorm(100)
r <- rep(1,times=100) # random effect
r[51:100] <- 2 # replace 1 into 2, making two groups
df <- data.frame(x, y, z, r)

gam_fit <- gam(z ~ s(x) + s(y) + s(r,bs="re"), data = df) # fit

#create matrix data for `add_surface` function in `plot_ly`
newx <- seq(0, 1, len=20)
newy <- seq(0, 1, len=30)
newxy <- expand.grid(x = newx, y = newy)
z <- matrix(predict(gam_fit, newdata = newxy), 20, 30) # predict data as matrix

然而，最后一行导致错误；

Error in model.frame.default(ff, data = newdata, na.action = na.act) : 
   variable lengths differ (found for 'r')
In addition: Warning message:
In predict.gam(gam_fit, newdata = newxy) :
  not all required variables have been supplied in  newdata!

多亏了之前的回答，我确信上面的代码没有随机效果，如 .

如何预测具有随机效应的 gam 模型？

Answer 1

假设您希望表面以随机效应为条件（但不是随机效应的特定级别），有两种方法。

第一个是为随机效应提供一个水平，但使用 predict.gam() 的 exclude 参数从预测值中排除该项。第二种是再次使用 exclude，但这次不提供任何随机效应数据，而是使用参数 newdata.guaranteed = TRUE.[= 停止 predict.gam() 检查 newdata 25=]

选项 1：

newxy1 <- with(df, expand.grid(x = newx, y = newy, r = 2))
z1 <- predict(gam_fit, newdata = newxy1, exclude = 's(r)')
z1 <- matrix(z1, 20, 30)

选项 2：

z2 <- predict(gam_fit, newdata = newxy, exclude = 's(r)',
              newdata.guaranteed=TRUE)
z2 <- matrix(z2, 20, 30)

这些产生相同的结果：

> all.equal(z1, z2)
[1] TRUE

一些注意事项：

您使用哪个将取决于您模型其余部分的复杂程度。我通常会使用第一个选项，因为它提供了额外的检查，防止我在创建数据时做一些愚蠢的事情。但是在这种情况下，使用一个简单的模型和一组协变量似乎足够安全，可以相信 newdata 没问题。
您的示例使用随机斜率（这是故意的吗？），而不是随机截距，因为 r 不是一个因素。如果您的真实示例使用因子随机效应，那么您在创建 newdata 时需要更加小心，因为您需要正确获得因子的 levels。例如：
```
expand.grid(x = newx, y = newy,
            r = with(df, factor(2, levels = levels(r))))
```
应该为因素 r

如何预测R中具有随机效应的gam模型？

How to predict gam model with random effect in R?

r

plotly

predict

gam

random-effects

选项 1：

选项 2：