如何用独立数据预测具有平滑项和基本函数的 GAM？

Question

我尝试使用 k 个基函数来拟合 GAM 模型，其中包含天数（tt 变量）和滞后预测变量 (k=2) 之间的交互。

library(mgcv)
# Example data
data=data.frame(
tt=1:107, # days
pol=(sample.int(101,size=107,replace=TRUE)-1)/100,
at_rec=sample.int(101,size=107,replace=TRUE),
w_cas=sample.int(2000,size=107,replace=TRUE)
)

# model
gam1<-gam(pol ~ s(tt, k = 10) + 
            s(tt, by = Lag(at_rec, k = 2), k = 10)+
            s(tt, by = Lag(w_cas, k = 2), k = 10), 
          data=data,method="GACV.Cp")
summary(gam1)

# while making newdata
> newdata=data.frame(tt=c(12,22),at_rec=c(44,34), w_cas=c(2011,2455))
# and prediction
> predict(gam1,newdata=newdata,se.fit=TRUE)

我收到了这个错误 “PredictMat(object$smooth[[k]], data) 中的错误：无法通过变量找到”

如何用新数据预测这样的模型？

Answer 1

我 99.9% 确定 predict 方法找不到 by 术语，因为它们是变量的函数，它正在寻找与您提供的名称完全相同的变量：“Lag(at_rec, k = 2 )”。

尝试将这些滞后变量作为显式变量添加到您的数据框中并重新调整模型，它应该可以工作：

data <- transform(data,
                  lag_at_rec = Lag(at_rec, k=2),
                  lag_w_cas = Lag(w_cas, k=2))
gam1 <- gam(pol ~ s(tt, k = 10) + 
              s(tt, by = lag_at_rec, k = 10)+
              s(tt, by = lag_w_cas, k = 10), 
            data = data, method = "GACV.Cp")