问等高线图的解释(mgcv)

EN

由于该模型在函数中是可加性的，所以可以分别解释函数(单独的s()术语)，但不一定是协变量对响应的单独影响。在您的情况下，在每个二元平滑的协变量之间没有重叠，所以您也可以将它们解释为协变量对响应的影响，而不是其他平滑的。

所有光滑函数通常都受从和到零的约束，以允许模型常量项(截距)成为可识别的参数。因此，每幅图中的0行是模型常量项(按链接函数或线性预测器的比例)的值。

plot.gam(model)输出中显示的图是部分效果图或部分图。如果您对理解该术语对响应的影响感兴趣，您基本上可以忽略其他术语，这是该术语的协变量的函数。

如果模型中有其他术语，其中可能包含另一个或多个协变量，并且您希望查看响应随该术语或队列的变化而发生的变化，那么您应该从模型中预测您感兴趣的变量的范围，同时将其他变量保存在一些表示值上，比如它们的均值或中间值。

例如，如果你有

model <- gam(y ~ s(x, z) + s(x, v), data = foo, method = 'REML')

而且您想知道响应是如何变化的，仅作为x的函数，您可以将z和v修正为有代表性的值，然后对x的范围进行预测。

newdf <- with(foo, expand.grid(x = seq(min(x), max(x), length = 100),
                               z = median(z)
                               v = median(v)))
newdf <- cbind(newdf, fit = predict(model, newdata = newdf, type = 'response'))
plot(fit ~ x, data = newdf, type = 'l')

此外，请参阅mgcv包中的?vis.gam，作为准备类似于此的情节的一种方法，但它可以在其中完成艰苦的工作。