GAM（ `mgcv :: gam`）からフィッティングされたスプラインを抽出する方法

Question

ロジスティック回帰の時間傾向をモデル化するためにGAMを使用しています。しかし、GAMやGAMMには当てはまらない別のモデルにそれを加えるために、フィットしたスプラインを抽出したいと思います。

したがって、私は2つの質問があります：他のノットを見つけるためにモデルをさせながら、私は特定の場所にある1つの結び目を強制するように、私は時間をかけて滑らかにフィットすることができますどのように

1. を？

2. フィッティングしたGAMから行列を抽出して、別のモデルの代用として使用するにはどうすればよいですか？

私が実行しているモデルの種類は、以下のフォームに、次のとおりです。

gam <- gam(mortality.under.2~ maternal_age_c+ I(maternal_age_c^2)+ 
      s(birth_year,by=wealth2) + wealth2 + sex + 
      residence + maternal_educ + birth_order, 
      data=colombia2, family="binomial") 

私はGAMのための豊富なドキュメントを読んだが、私はまだわかりません。 どのような提案も本当に感謝しています。

Answer 1

mgcv::gamには、predict.gamメソッドとtype = "lpmatrix"メソッドを使用して（Q2）これを行う方法があります。

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) 

newd <- data.frame(x0=(0:30)/30, x1=(0:30)/30, x2=(0:30)/30, x3=(0:30)/30) 

Xp <- predict(b, newd, type="lpmatrix") 

################################################################## 
## The following shows how to use use an "lpmatrix" as a lookup 
## table for approximate prediction. The idea is to create 
## approximate prediction matrix rows by appropriate linear 
## interpolation of an existing prediction matrix. The additivity 
## of a GAM makes this possible. 
## There is no reason to ever do this in R, but the following 
## code provides a useful template for predicting from a fitted 
## gam *outside* R: all that is needed is the coefficient vector 
## and the prediction matrix. Use larger `Xp'/ smaller `dx' and/or 
## higher order interpolation for higher accuracy. 
################################################################### 

xn <- c(.341,.122,.476,.981) ## want prediction at these values 
x0 <- 1   ## intercept column 
dx <- 1/30  ## covariate spacing in `newd' 
for (j in 0:2) { ## loop through smooth terms 
    cols <- 1+j*9 +1:9  ## relevant cols of Xp 
    i <- floor(xn[j+1]*30) ## find relevant rows of Xp 
    w1 <- (xn[j+1]-i*dx)/dx ## interpolation weights 
    ## find approx. predict matrix row portion, by interpolation 
    x0 <- c(x0,Xp[i+2,cols]*w1 + Xp[i+1,cols]*(1-w1)) 
} 
dim(x0)<-c(1,28) 
fv <- x0%*%coef(b) + xn[4];fv ## evaluate and add offset 
se <- sqrt(x0%*%b$Vp%*%t(x0));se ## get standard error 
## compare to normal prediction 
predict(b,newdata=data.frame(x0=xn[1],x1=xn[2], 
     x2=xn[3],x3=xn[4]),se=TRUE) 

R外またはGAMモデルの行われるであろうにも予測ステップ全体のプロセスを経る：

?predict.gam

も私は以下再現例を、有しています。この例を少し修正して、モデル内のすべての項を評価し、スプライン以外の2つの項を持つようにする必要があります。本質的に同じことをしますが、スプライン項についてのみです。スプライン用のXp行列の関連する列と行を見つけることを含む。次に、スプ​​ラインが中央に配置されているので、元に戻すこともできないこともあります。

例では、xnベクトル/マトリックスに適切な値を選択してください。これらはモデルのn番目の用語の値に対応します。固定したい値をある平均値に設定し、スプラインに関連付けられた値を変更します。

を Rで実行している場合、スプライン共変量の値でスプラインを評価するほうが、他のモデルに入っているデータがあることが容易になります。もし、値のデータフレームを作成することによってで予測するれることを行い、次いでmodは（mgcv::gam介して）取り付けられGAMモデルである

predict(mod, newdata = newdat, type = "terms") 

を使用し、newdatは、各変数の列を含むデータフレームでありますモデル（パラメトリック項を含む）;変化したくない項をある一定の平均値[データセット内の変数の平均]または因子の場合はあるレベルに設定する。 type = "terms"部分は、newdatに各行の行列を返します。スプライン項を含め、モデル内の各項の適合値に「貢献」します。スプラインに対応するこの行列の列を取るだけで、再び中央に配置されます。

おそらく私はあなたのQ1を誤解しました。ノットを制御する場合は、の引数をmgcv::gamにしてください。デフォルトでは、mgcv::gamはデータの極端にノットを配置し、残りの「ノット」はその間隔で均等に分散されます。 mgcv::gamノットを見つける - それはあなたのために配置し、knots引数でそれらを配置する場所を制御することができます。