mgcv GAM 圖並用張量按因子平滑預測

Question

我正在運行 GAM 以了解加利福尼亞軟體動物大小計數的時空趨勢。 我將數據計算為對空間和時間（緯度、經度、年）和北/東洋流和時間（uo、vo、年）之間的三向相互作用的響應，每個相互作用分為 3 個大小類別（小、中、大）。 這是游戲：

count_te_model.xy.vo.I = gam(count ~ size_bin +
                                te(latitude, longitude, year, d=c(2,1), by=size_bin) +
                                te(vo, uo, year, d=c(2,1), by=size_bin) +
                                offset(log(plots_sampled)),
                              data=LG_count_plot_mpa_F, family=nb(link="log"), method="REML")


summary(count_te_model.xy.vo.I)

Family: Negative Binomial(2.271) 
Link function: log 

Formula:
count ~ size_bin + te(latitude, longitude, year, d = c(2, 1), 
    by = size_bin) + te(vo, uo, year, d = c(2, 1), by = size_bin) + 
    offset(log(plots_sampled))

Parametric coefficients:
              Estimate Std. Error z value Pr(>|z|)    
(Intercept)    2.60406    0.02163 120.411   <2e-16 ***
size_binmed    0.30197    0.03050   9.900   <2e-16 ***
size_binsmall  0.04658    0.03093   1.506    0.132    
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Approximate significance of smooth terms:
                                            edf Ref.df Chi.sq p-value    
te(latitude,longitude,year):size_binlarge 44.64  51.05  630.2  <2e-16 ***
te(latitude,longitude,year):size_binmed   55.82  65.78  563.4  <2e-16 ***
te(latitude,longitude,year):size_binsmall 53.13  60.41  724.4  <2e-16 ***
te(vo,uo,year):size_binlarge              30.58  40.02  105.3  <2e-16 ***
te(vo,uo,year):size_binmed                37.54  49.24  135.8  <2e-16 ***
te(vo,uo,year):size_binsmall              53.13  67.03  266.2  <2e-16 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

R-sq.(adj) =  0.429   Deviance explained = 54.4%
-REML =  15736  Scale est. = 1         n = 2944

我現在想繪制每個尺寸等級隨時間變化的豐度變化，並且想知道是否有人知道如何通過因子的 3 向交互來最好地做到這一點？

我試過“plot.gam”如下：

plot(count_te_model.xy.vo.I, all.terms=TRUE, too.far=0.05)

它產生這些圖：

我還創建了一個 xy 網格來預測 gam 輸出，然后映射。 我正在使用預測函數：

head(predict_count_coast_L)
# A tibble: 6 x 8
  longitude latitude  year size_bin plots_sampled    uo    vo model_fit
      <dbl>    <dbl> <dbl> <chr>            <dbl> <dbl> <dbl>     <dbl>
1     -124.     41.7  1995 large                5     1     1     0.162
2     -124.     41.7  1995 large                5     1     1     0.161
3     -124.     41.7  1995 large                5     1     1     0.160
4     -124.     41.7  1995 large                5     1     1     0.159
5     -124.     41.7  1995 large                5     1     1     0.158
6     -124.     41.7  1995 large                5     1     1     0.157

predict_count_coast_L$model_fit = predict(count_te_model.xy.vo.I,
                                          predict_count_coast_L,type = "link", 
                                          exclude = "te(vo, uo, year, d=c(2,1), by=size_bin)")

ggplot(aes(longitude, latitude, fill= model_fit),
       data=predict_count_coast_L)+
  geom_tile()+
  facet_wrap(~year,nrow=3)+
  scale_fill_viridis("count")+
  ggtitle("large individuals")+
  theme_bw(10)

這會生成看起來與 gam.plot 具有完全不同模式的地圖。 （*請注意，現在年份是從上到下遞增的！）

我還在嘗試使用“鏈接”預測類型來理解輸出值......小插圖說它“在附加預測變量的規模上產生預測”，但我正在努力理解這實際上意味着什么。 這些是日志鏈接值嗎？

我也嘗試了上面的類型為“響應”而不是“鏈接”，它給了我更多不同的模式（這里只顯示給小人）：

如果有人知道為什么這些會給出不同的輸出，並且如果有預測/繪制此類 GAM 的首選方法，那將不勝感激！

Answer 1

你正在策划兩件截然不同的事情； 通過plot()獲得的plot()顯示了所選平滑（您顯示的平滑plot()的部分效果，而您是從完整模型進行預測的，因此您將所有變量/項的影響包括在模型中。

您不會像正在做的那樣排除平滑； 您應該包含要排除的平滑的名稱，與它們在summary()生成的匯總表中顯示的完全一樣。 所以你要：

exclude = c("te(vo,uo,year):size_binlarge",
            "te(vo,uo,year):size_binmed",
            "te(vo,uo,year):size_binlarge")

但即使這樣做也無法獲得您想要的結果（假設您正在嘗試復制plot()的輸出），因為其他參數項也將包含在predict()生成的值中，並且模型截距，這將導致您的繪圖也包括組均值。

我可以看到幾個選項：

1. 使用type = "terms" predict並確定與要繪制的三個平滑（平滑因子）中的每一個相關聯的結果矩陣的列。

2. 你可以從plot()命令中獲取輸出，然后使用該對象中的數據用 ggplot 繪制你想要的： pdat <- plot(....)

3. 使用gratia::smooth_estimates()評估值網格上的平滑度，然后使用該函數返回的對象和 ggplot 進行繪圖。

（我希望draw()在 [2021] 年底之前在 {gratia} 內為 3 維和 4 維平滑工作。）