環境科學中的許多資料不适合簡單的線性模型,最好用廣義相加模型(GAM)來描述。
![](https://img.laitimes.com/img/__Qf2AjLwojIjJCLyojI0JCLiAnYldHL0FWby9mZvwFN4ETMfdHLkVGepZ2XtxSZ6l2clJ3LcV2Zh1Wa9M3clN2byBXLzN3btgHL9s2RkBnVHFmb1clWvB3MaVnRtp1XlBXe0xCMy81dvRWYoNHLwEzX5xCMx8FesU2cfdGLwMzX0xiRGZkRGZ0Xy9GbvNGLpZTY1EmMZVDUSFTU4VFRR9Fd4VGdsQTMfVmepNHLrJXYtJXZ0F2dvwVZnFWbp1zczV2YvJHctM3cv1Ce-cmbw5SN2kDNyMmY1AjMwMGMzImNzYzX2UjN0ITM5AzLcFTMyIDMy8CXn9Gbi9CXzV2Zh1WavwVbvNmLvR3YxUjLyM3Lc9CX6MHc0RHaiojIsJye.png)
這基本上就是具有 光滑函數的廣義線性模型(GLM)的擴充 。當然,當您使用光滑項拟合模型時,可能會發生許多複雜的事情,但是您隻需要了解基本原理即可。
理論
讓我們從高斯線性模型的方程開始 :
GAM中發生的變化是存在光滑項:
這僅意味着對線性預測變量的貢獻現在是函數f。從概念上講,這與使用二次項(
)或三次項(
)作為預測變量沒什麼不同。
在這裡,我們将重點放在樣條曲線上。在過去,它可能類似于分段線性函數。
例如,您可以在模型中包含線性項和光滑項的組合
或者我們可以拟合廣義分布和随機效應
一個簡單的例子
讓我們嘗試一個簡單的例子。首先,讓我們建立一個資料框,并建立一些具有明顯非線性趨勢的模拟資料,并比較一些模型對該資料的拟合程度。
1. x <- seq(0, pi * 2, 0.1)
2. sin_x <- sin(x)
3. y <- sin_x + rnorm(n = length(x), mean = 0, sd = sd(sin_x / 2))
4. Sample <- data.frame(y,x)
5. library(ggplot2)
6. ggplot(Sample, aes(x, y)) + geom_point()
嘗試拟合普通的線性模型:
lm_y <- lm(y ~ x, data = Sample)
并使用
geom_smooth
in 繪制帶有資料的拟合線
ggplot
ggplot(Sample, aes(x, y)) + geom_point() + geom_smooth(method = lm)
檢視圖或
summary(lm_y)
,您可能會認為模型拟合得很好,但請檢視殘差圖
plot(lm_y, which = 1)
顯然,殘差未均勻分布在x的值上,是以我們需要考慮一個更好的模型。
運作分析
在R中運作GAM。
要運作GAM,我們使用:
gam_y <- gam(y ~ s(x), method = "REML")
要提取拟合值,我們可以
predict
:
predict(gam_y, data.frame(x = x_new))
但是對于簡單的模型,我們還可以利用中的
method =
參數來
geom_smooth
指定模型公式。
您可以看到該模型更适合資料,檢查診斷資訊。
check.gam
快速簡便地檢視殘差圖。
gam.check(gam_y)
1. ##
2. ## Method: REML Optimizer: outer newton
3. ## full convergence after 6 iterations.
4. ## Gradient range [-2.37327e-09,1.17425e-09]
5. ## (score 44.14634 & scale 0.174973).
6. ## Hessian positive definite, eigenvalue range [1.75327,30.69703].
7. ## Model rank = 10 / 10
8. ##
9. ## Basis dimension (k) checking results. Low p-value (k-index<1) may
10. ## indicate that k is too low, especially if edf is close to k'.
11. ##
12. ## k' edf k-index p-value
13. ## s(x) 9.00 5.76 1.19 0.9
對模型對象使用summary将為您提供光滑項(以及任何參數項)的意義,以及解釋的方差。在這個例子中,非常合适。“edf”是估計的自由度——本質上,數量越大,拟合模型就越搖擺。大約為1的值趨向于接近線性項。
1. ##
2. ## Family: gaussian
3. ## Link function: identity
4. ##
5. ## Formula:
6. ## y ~ s(x)
7. ##
8. ## Parametric coefficients:
9. ## Estimate Std. Error t value Pr(>|t|)
10. ## (Intercept) -0.01608 0.05270 -0.305 0.761
11. ##
12. ## Approximate significance of smooth terms:
13. ## edf Ref.df F p-value
14. ## s(x) 5.76 6.915 23.38 <2e-16 ***
15. ## ---
16. ## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
17. ##
18. ## R-sq.(adj) = 0.722 Deviance explained = 74.8%
19. ## -REML = 44.146 Scale est. = 0.17497 n = 63
光滑函數項
如上所述,我們将重點介紹樣條曲線,因為樣條曲線是最常實作的光滑函數(非常快速且穩定)。那麼,當我們指定
s(x)
時實際發生了什麼 ?
好吧,這就是我們說要把y拟合為x個函數集的線性函數的地方。預設輸入為薄闆回歸樣條-您可能會看到的常見樣條是三次回歸樣條。三次回歸樣條曲線具有 我們在談論樣條曲線時想到的傳統 結點–在這種情況下,它們均勻分布在協變量範圍内。
基函數
我們将從拟合模型開始,記住光滑項是一些函數的和,
首先,我們提取基本函數集 (即光滑項的bj(xj)部分)。然後我們可以畫出第一和第二基函數。
- model_matrix <- predict(gam_y, type = "lpmatrix")
- plot(y ~ x)
現在,讓我們繪制所有基函數的圖,然後再将其添加到GAM(
y_pred
)的預測中。
- matplot(x, model_matrix[,-1], type = "l", lty = 2, add = T)
- lines(y_pred ~ x_new, col = "red", lwd = 2)
現在,最容易想到這樣-每條虛線都代表一個函數(bj),據此
gam
估算系數(βj),将它們相加即可得出對應的f(x)的貢獻(即先前的等式)。對于此示例而言,它很好且簡單,因為我們僅根據光滑項對y進行模組化,是以它是相當相關的。順便說一句,您也可以隻使用
plot.gam
繪制光滑項。
好的,現在讓我們更詳細地了解基函數的構造方式。您會看到函數的構造與因變量資料是分開的。為了證明這一點,我們将使用
smoothCon
。
x_sin_smooth <- smoothCon(s(x), data = data.frame(x), absorb.cons = TRUE)
現在證明您可以從基本函數和估計系數到拟合的光滑項。再次注意,這裡簡化了,因為模型隻是一個光滑項。如果您有更多的項,我們需要将線性預測模型中的所有項相加。
- betas <- gam_y$coefficients
- linear_pred <- model_matrix %*% betas
請看下面的圖,記住這
X
是基函數的矩陣。
通過
gam.models
,
smooth.terms
光滑模型類型的所有選項,基本函數的構造方式(懲罰等),我們可以指定的模型類型(随機效應,線性函數,互動作用)。
真執行個體子
我們檢視一些CO2資料,為資料拟合幾個GAM,以嘗試區分年度内和年度間趨勢。
首先加載資料 。
CO2 <- read.csv("co2.csv")
我們想首先檢視年趨勢,是以讓我們将日期轉換為連續的時間變量(采用子集進行可視化)。
CO2$time <- as.integer(as.Date(CO2$Date, format = "%d/%m/%Y"))
我們來繪制它,并考慮一個平穩的時間項。
我們為這些資料拟合GAM
它拟合具有單個光滑時間項的模型。我們可以檢視以下預測值:
plot(CO2_time)
請注意光滑項如何減少到“普通”線性項的(edf為1)-這是懲罰回歸樣條曲線的優點。但如果我們檢查一下模型,就會發現有些東西是混亂的。
- par(mfrow = c(2,2))
- gam.check(CO2_time)
殘差圖的上升和下降模式看起來很奇怪-顯然存在某種依賴關系結構(我們可能會猜測,這與年内波動有關)。讓我們再試一次,并引入一種稱為周期光滑項。
周期性光滑項fintrannual(month)由基函數組成,與我們已經看到的相同,隻是樣條曲線的端點被限制為相等,這在模組化時是有意義的周期性(跨月/跨年)的變量。
現在,我們将看到
bs =
用于選擇光滑器類型的
k =
參數和用于選擇結數的 參數,因為三次回歸樣條曲線具有固定的結數。我們使用12結,因為有12個月。
s(month, bs = 'cc', k = 12) + s(time)
讓我們看一下拟合的光滑項:
從這兩個光滑項來看,我們可以看到,月度光滑項檢測到CO2濃度的月度上升和下降——從相對幅度(即月度波動與長期趨勢)來看,我們可以看出消除時間序列成分是多麼重要。讓我們看看現在的模型診斷是怎樣的:
- par(mfrow = c(2,2))
- gam.check(CO2_season_time)
好多了。讓我們看一下季節性因素如何與整個長期趨勢相對應。
- plot(CO2_season_time)
結果
從本質上講,您可以将GAM的模型結果表示為任何其他線性模型,主要差別在于,對于光滑項,沒有單一系數可供推斷(即負、正、效應大小等)。是以,您需要依靠視覺上解釋光滑項(例如從對plot(gam_model)的調用)或根據預測值進行推斷。當然,你可以在模型中包含普通的線性項(無論是連續的還是分類的,甚至在方差分析類型的架構中),并像平常一樣從中進行推斷。事實上,GAM對于解釋一個非線性現象通常是有用的,這個非線性現象并不直接引起人們的興趣,但在推斷其他變量時需要加以解釋。
您可以通過
plot
在拟合的gam模型上調用函數來繪制局部效果 ,還可以檢視參數項,也可以使用
termplot
函數。您可以
ggplot
像本教程前面所述那樣使用 簡單的模型,但是對于更複雜的模型,最好知道如何使用
predict預測
資料 。
geom_line(aes(y = predicted_values)