具有因子平滑交互作用的 GAM 分布式滞后模型（按变量）答案

【问题标题】：GAM distributed lag model with factor smooth interaction (by variable)具有因子平滑交互作用的 GAM 分布式滞后模型（按变量）
【发布时间】：2023-02-08 01:40:36
【问题描述】：

我正在尝试比较过去 60 年植物两个亚群的气候响应（因子变量 subgroups 具有 2 个级别）。在同一块地块上生长的两个子组的响应以周长增长来衡量。由于气候数据平均温度 (tmean) 和平均降水量 (precmean) 可用。我使用 mgcv 的 gam() 制定了一个分布式滞后模型来检验假设，即植物亚群之间的气候反应不同：

climate_model <- gam(growth ~ te(tmean, lag, b = subgroups) +
                                    te(precmean, lag, , b = subgroups) +
                                    te(tmean, precmean, lag, , b = subgroups) ,
                                  data = plant_data)

plant_data 是一个列表，其中包含 tmean、prec 和 lag 作为单独的数字矩阵，subgroups 作为区分子组 A 和 B 的因子变量，以及测量的数字 growth 作为向量。

但是，问题是因子 by 变量不能与来自 plant_data 的矩阵参数一起使用。错误消息如下所示：

Error in smoothCon(split$smooth.spec[[i]], data, knots, absorb.cons, scale.penalty = scale.penalty,  : 
  factor `by' variables can not be used with matrix arguments.

我想知道是否有办法将因子变量 subbgroups 包含到分布式滞后模型中，以便可以对因子的两个级别进行比较。

我已经尝试为两个级别运行两个单独的滞后模型亚群.这很好用。但是，我无法真正比较两个模型的预测，因为平滑的拟合和参数不同。此外，通过这种方式，两个子组的气候响应被视为完全独立。然而事实并非如此。

【问题讨论】：

标签： r matrix gam mgcv contrast

【解决方案1】：

来自?mgcv::linear.functional.terms：

该机制可用于采用因子参数的随机效应平滑，方法是使用技巧创建一个二维因子数组。只需创建一个因子向量，其中包含首尾堆叠的因子矩阵的列（列主要顺序）。然后重置此向量的维度以创建适当的二维数组：第一个维度应该是响应数据的数量，第二个维度应该是所需因子矩阵的列数。您不能使用 matrix 或 data.matrix 来设置所需的因子水平矩阵。请参见下面的示例：
## set up a `factor matrix'...
fac <- factor(sample(letters,n*2,replace=TRUE))
dim(fac) <- c(n,2)
您不能创建一个艰难的因子矩阵，但可以创建一个因子并在事后修改 dims。

【讨论】：