使用family = gaulss（）時，mgcv GAM中出現錯誤消息

Question

我正在嘗試使用高斯位置比例模型系列在mgcv中使用分層通用加性模型。 但是，該函數家族在嘗試擬合時會引發一個神秘錯誤。

遵循了最近一篇論文（ https://peerj.com/articles/6876/ ）中關於HGAM的指南以及lmvar軟件包撰寫中的注釋指南（ https://cran.r-project.org/ web / packages / lmvar / vignettes / Intro.html ）。

library(mgcv); library(datasets)

# Using the CO2 dataset for illustration

data <- datasets::CO2

# Changing the 'Plant' factor from ordered to unordered

data$Plant <- factor(data$Plant, ordered = FALSE)

# This model fits with no errors

CO2_modG_1 <- gam(log(uptake) ~ s(log(conc), k = 5, bs = 'tp') + s(Plant, k = 12, bs = 're'), data = data, method = 'REML', family = 'gaussian')

# This model fails with error

CO2_modG_2 <- gam(log(uptake) ~ s(log(conc), k = 5, bs = 'tp') + s(Plant, k = 12, bs = 're'), data = data, method = 'REML', family = gaulss())

這將返回錯誤消息：

Error in while (sqrt(mean(dlb/(dlb + lami * dS * rm)) * mean(dlb)/mean(dlb +  : 
  missing value where TRUE/FALSE needed

Answer 1

使用gaulss()系列擬合高斯位置比例模型時，必須將兩個公式對象的列表傳遞給gam() 。

您無需說要如何對模型的比例分量建模，因此這里有一個示例，該示例應等效於gaussian()系列，其中我們有一個比例常數項和一個為平均值提供的線性預測變量。

CO2_modG_2 <- gam(list(log(uptake) ~ s(log(conc), k = 5, bs = 'tp') + 
                         s(Plant, k = 12, bs = 're'), 
                       ~ 1), 
                  data = data, method = 'REML', family = gaulss())

例如，如果要允許每個植物具有其自己的方差，則可以將項添加到第二個公式中：

CO2_modG_3 <- gam(list(log(uptake) ~ s(log(conc), k = 5, bs = 'tp') + 
                         s(Plant, k = 12, bs = 're'), 
                       ~ s(Plant, k = 12, bs = 're')), 
                  data = data, method = 'REML', family = gaulss())

重要的是，您必須為此家族提供兩個公式對象的列表，並且第二個公式應僅帶有波浪號和公式的右側，以指定比例參數的線性預測變量。

list(response ~ x1 + s(x2), # location linear predictor, left & right hand sided
              ~ x1 + s(x3)  # scale linear predictor, right-hand side only
    )

因此，按照我上面顯示的第一個示例，如果只希望線性預測變量中的常數用於比例，則需要對截距或常數項使用R的表示法。 ~ 1

list(response ~ x1 + s(x2), # location linear predictor, left & right hand sided
              ~ 1           # scale linear predictor, constant
    )