如何在 R 中预测具有随机效应的 gam model？

Question

我正在通过 plot_ly 预测具有随机效应的gam model 以产生 3D 表面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？

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级别，但使用predict.gam()的exclude参数从预测值中排除该术语。 第二个是再次使用exclude但这次不为随机效应提供任何数据，而是停止newdata predict.gam()使用参数newdata.guaranteed = TRUE检查新数据。

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：

1. 您使用哪种取决于 model 的 rest 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 model 和一组协变量似乎足够安全，可以相信newdata是可以的。

2. 您的示例使用随机斜率（这是有意的吗？），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，那么您在创建新数据时需要更加newdata ，因为您需要获得正确的因子levels 。 例如：

    expand.grid(x = newx, y = newy, r = with(df, factor(2, levels = levels(r))))

   应该为系数r获得正确的设置