r - 如何在R中预测具有随机效应的gam模型?
问题描述
我正在gam
研究具有随机效应的预测模型,以生成 3D 曲面图plot_ly
。
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
但是,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!
感谢前面的回答,我确信上面的代码没有随机效应,就像在 这里一样。
如何预测具有随机效应的游戏模型?
解决方案
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 的exclude
参数从预测值中排除该术语predict.gam()
。第二个是再次使用exclude
,但这次不为随机效果提供任何数据,而是停止predict.gam()
检查newdata
使用参数newdata.guaranteed = TRUE
。
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
几点注意事项:
您使用哪个取决于您模型的其余部分的复杂程度。我通常会使用第一个选项,因为它提供了一个额外的检查,以防止我在创建数据时做一些愚蠢的事情。但在这种情况下,使用简单的模型和一组协变量似乎足够安全,可以相信这
newdata
是可以的。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
它不是一个因素。如果您的真实示例使用因子随机效应,那么您在创建时需要更加小心,newdata
因为您需要正确获取levels
因子。例如:expand.grid(x = newx, y = newy, r = with(df, factor(2, levels = levels(r))))
应该为一个因素得到正确的设置
r
推荐阅读
- c - printf() 没有首先出现
- python - Django/admin 表单:如何使用用户名初始化数据(访问请求对象)?
- mongodb - 通过带有参数的石墨烯查询 mongoDB
- linux - GPG 密钥新密钥但不包含用户 ID
- firebase - 为什么首先显示红色错误屏幕,然后获取的值出现在屏幕上?问题出在哪里
- javascript - 如何用动态键填充特定状态?
- sql - 如何仅从 netezza 中的日期时间戳格式中提取日期
- javascript - 嵌套元素对象
- windows-subsystem-for-linux - 用于 linux 2 (wsl2) 的 windows 子系统下的 ubuntu 无法访问互联网
- open-policy-agent - 比较 Rego 语言中的两个数组