R: GAM mit Fit auf Teilmenge von Daten

Question

Ich passte ein generalisiertes Additivmodell mit gam aus dem mgcv Paket. Ich habe eine Datentabelle, die meine abhängige Variable Y, eine unabhängige Variable X, andere unabhängige Variablen Oth und einen zweistufigen Faktor Fac enthält. Ich mag folgendes Modell

Y ~ s(X) + Oth

aber mit der zusätzlichen Einschränkung passen, dass der s(X) Begriff nur auf einem der beiden Stufen des Faktors fit ist, sagen Fac==1. Die anderen Begriffe Oth sollten mit den ganzen Daten übereinstimmen.

Ich versuchte zu erkunden s(X,by=Fac), aber dies beeinflusst die Passform für Oth. Mit anderen Worten, ich möchte die Überzeugung zum Ausdruck bringen, dass sich X nur dann auf Y bezieht, wenn Fac==1, sonst macht es keinen Sinn zu modellieren X.

Answer 1

Wenn ich es richtig verstehe, denken Sie über einige Modell mit Interaktion wie folgt aus:

Y ~ 0th + (Fac==1)*s(X) 

Wenn Sie wollen „die Überzeugung Ausdruck verleihen, dass X-Y bezieht sich nur, wenn Fac==1“ don Behandle Fac nicht als factor, sondern als numeric Variable. In diesem Fall erhalten Sie numeric Interaktion und nur einen Satz von coefficients (wenn es ein factor gibt, wo zwei). Diese Art von Modell ist ein varying coefficient model.

# some data 
data <- data.frame(th = runif(100), 
       X = runif(100), 
       Y = runif(100), 
       Fac = sample(0:1, 100, TRUE)) 
data$Fac<-as.numeric(as.character(data$Fac)) #change to numeric 
# then run model 
gam(Y~s(X, by=Fac)+th,data=data) 

finden Sie in der Dokumentation für by Option in der Dokumentation ?s

Answer 2

Billig Trick: Verwenden Sie eine Hilfsvariable, die X ist, wenn Fac == 1 und 0 woanders.

library("mgcv") 
library("ggplot2") 


# simulate data 

N <- 1e3 

dat <- data.frame(covariate = runif(N), 
        predictor = runif(N), 
        group = factor(sample(0:1, N, TRUE))) 

dat$outcome <- rnorm(N, 
        1 * dat$covariate + 
        ifelse(dat$group == 1, 
          .5 * dat$predictor + 
          1.5 * sin(dat$predictor * pi), 
          0), .1) 

# some plots 

ggplot(dat, aes(x = predictor, y = outcome, 
       col = group, group = group)) + 
    geom_point() 

ggplot(dat, aes(x = covariate, y = outcome, 
       col = group, group = group)) + 
    geom_point() 

# create auxiliary variable 

dat$aux <- ifelse(dat$group == 1, 
        dat$predictor, 
        0) 

# fit the data 

fit1 <- gam(outcome ~ covariate + s(predictor, by = group), 
      data = dat) 

fit2 <- gam(outcome ~ covariate + s(aux, by = group), 
      data = dat) 

# compare fits 

summary(fit1) 

summary(fit2)