如何在R中预测具有随机效应的gam模型？答案

【问题标题】：How to predict gam model with random effect in R?如何在R中预测具有随机效应的gam模型？
【发布时间】：2020-08-19 01:44:03
【问题描述】：

我正在努力预测 gam 具有随机效应的模型，以通过 plot_ly 生成 3D 曲面图。

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!

感谢之前的回答，我确信上面的代码不会产生随机效应，如here。

如何预测具有随机效应的游戏模型？

【问题讨论】：

标签： r plotly predict gam random-effects

【解决方案1】：

假设您希望表面以随机效果为条件（但不是针对特定级别的随机效果），有两种方法。

第一个是为随机效应提供一个水平，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，而是使用参数newdata.guaranteed = TRUE 阻止predict.gam() 检查newdata。

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

几点说明：

您使用哪个取决于您的模型其余部分的复杂程度。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，使用简单的模型和一组协变量似乎足够安全，可以相信newdata 是可以的。
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，那么在创建 newdata 时需要更加小心，因为您需要正确获取因子的 levels。例如：
```
expand.grid(x = newx, y = newy,
            r = with(df, factor(2, levels = levels(r))))
```
应该为因子r进行正确设置

【讨论】：

非常感谢！