Как извлечь подогнанные значения GAM {mgcv} для каждой переменной в R?
Я ищу метод для добавления прогнозируемых (реальных, не стандартизированных) значений каждой переменной в моей модели
> model<-gam(LN_Brutto~s(agecont,by=Sex)+factor(Sex)+te(Month,Age)+s(Month,by=Sex),
data=bears)
Это краткое изложение моей модели:
> summary(m13)
Family: gaussian
Link function: identity
Formula:
LN_Brutto ~ s(agecont, by = Sex) + factor(Sex) + te(Month, Age) +
s(Month, by = Sex)
Parametric coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 4.32057 0.01071 403.34 <2e-16 ***
factor(Sex)m 0.27708 0.01376 20.14 <2e-16 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Approximate significance of smooth terms:
edf Ref.df F p-value
s(agecont):Sexf 8.1611 8.7526 20.170 < 2e-16 ***
s(agecont):Sexm 6.6695 7.5523 32.689 < 2e-16 ***
te(Month,Age) 10.3651 12.7201 6.784 2.19e-12 ***
s(Month):Sexf 0.9701 0.9701 0.641 0.430
s(Month):Sexm 1.3750 1.6855 0.193 0.787
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Rank: 60/62
R-sq.(adj) = 0.781 Deviance explained = 78.7%
GCV = 0.048221 Scale est. = 0.046918 n = 1093
предсказанные значения предоставляются этим кодом:
> predict<-predict(m13, type = "terms")
И результат выглядит так:
factor(Sex) s(agecont):Sexf s(agecont):Sexm te(Month,Age) s(Month):Sexf s(Month):Sexm
1 0.2770806 0.000000000 0.111763696 -0.077845764 0.000000000 0.0007840912
2 0.2770806 0.000000000 0.240016156 -0.049143798 0.000000000 0.0007840912
3 0.2770806 0.000000000 0.034328752 0.046524454 0.000000000 -0.0058871897
4 0.0000000 -0.786533918 0.000000000 -0.067942427 0.021990192 0.0000000000
5 0.0000000 0.074434715 0.000000000 0.046524454 0.021990192 0.0000000000
6 0.0000000 0.161121563 0.000000000 0.089599601 0.021990192 0.0000000000
7 0.0000000 0.074434715 0.000000000 0.046524454 0.021990192 0.0000000000
8 0.2770806 0.000000000 -0.298597370 -0.007877328 0.000000000 -0.0058871897
...
Но я предполагаю, что это просто стандартизированные предсказанные значения, а не реальные значения (реальные не должны иметь отрицательных значений!?).
Так кто-нибудь знает, что я должен изменить в коде, чтобы получить реальные значения? Любая идея? Спасибо!
2 ответа
Не совсем уверен, правильно ли я следую за тобой, но predict(model, type = "terms") может быть решением, которое вы ищете.
Обновить
Я не думаю, что они стандартизированы. Возможно, некоторые из коэффициентов просто отрицательны.
Рассмотрим пример из файла справки ?mgcv:::predict.gam:
library(mgcv)
n<-200
sig <- 2
dat <- gamSim(1,n=n,scale=sig)
b<-gam(y~s(x0)+s(I(x1^2))+s(x2)+offset(x3),data=dat)
Приведенные ниже результаты иллюстрируют, что это на самом деле вклады, которые используются для каждого предиктора для вычисления подгоночных значений (путем вычисления суммы каждого из этих вкладов, а затем добавления перехвата и смещения).
> head(predict(b))
1 2 3 4 5 6
9.263322 2.822200 7.137201 4.902631 14.558401 11.889092
> head(rowSums(predict(b, type = "terms")) + attr(predict(b, type = "terms"), "constant") + dat$x3)
1 2 3 4 5 6
9.263322 2.822200 7.137201 4.902631 14.558401 11.889092
Чтобы вернуть прогнозируемые значения в той же шкале ответа, вам нужно установить predict(model, type = "response")
Поведение игры по умолчанию - type = "link", которое возвращает линейный предиктор и часто со стандартными ошибками (таким образом, найденные вами положительные и отрицательные значения).
Читайте больше на ?mgcv::predict.gam страница справки.