[英]zero-inflated GAM prediction with newdata
在零膨胀的GAM( ziplss
)中,当1)我使用新数据并且2)计数部分具有ziplss
零膨胀部分中的分类变量时,我得到警告。 对于零通货膨胀部分中未表示的每个分类变量都有警告。
这是一个可重现的示例:
library(mgcv)
library(glmmTMB)
data(Salamanders)
Salamanders$x <- rnorm(nrow(Salamanders), 0, 10)
zipgam <- gam(list(count ~ spp * mined + s(x) + s(site, bs = "re"),
~ spp),
data = Salamanders, family = ziplss, method = "REML")
preds.response <- data.frame(Predict = predict(zipgam, type = "response"))
nd <- data.frame(x = 0, spp = "GP", mined = "yes", site = Salamanders$site[1])
nd$pred <- predict(zipgam, newdata = nd, exclude="site")
我在任何地方都没有看到此消息,这很奇怪,告诉我我可能做错了什么(否则,它将在搜索结果中显示)。 将不胜感激。
我认为这只是实施过程中的一个小问题。 我看到的警告是:
Warning message:
In model.matrix.default(Terms[[i]], mf, contrasts = object$contrasts) :
variable 'mined' is absent, its contrast will be ignored
这是无害的 (至少在这种情况下;我没有检查其他情况),并且由于仅存在一个object$contrasts
,并且它包含有关mined
详细信息,但是此变量在第二个线性预测变量中不存在,因此R警告它将忽略mined
变量的对比,但这仅在为模型的零通胀部分建立模型矩阵时才会发生。 计数部分正确使用mined
变量和正确的对比度。
您可能会争辩说,将$contrasts
作为一个列表,每个线性预测变量一个将是更好的设计,然后使用以下方法创建模型矩阵:
model.matrix.default(Terms[[i]], mf, contrasts = object$contrasts[[i]])
但是我不知道这是否会破坏mgcv中的其他所有内容。
目前,该模型的$contrasts
只是:
> zipgam$contrasts
$spp
[1] "contr.treatment"
$mined
[1] "contr.treatment"
$spp
[1] "contr.treatment"
已经显示出一些冗余。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.