r - mgcv:如何识别 gam 和 gamm 模型中的确切节点值？

Question

我正在使用 gams 来拟合资源选择函数，以确定候鸟的能量开发阈值。我的模型如下所示:

m4 <-gam(used~ti(propwells_buff_res1500, bs = "cr", k = 5) +
ti(year, bs = "cr", k = 5) + 
ti(propwells_buff_res1500, year, bs = "cr", k = 5), 
family = binomial(link = "cloglog"), data=mov, gamma=1.4, method="ML")

used 是动物使用的位置，propwells_buff_res1500 是随机生成的“可用”点(由 1500 米半径的圆圈缓冲)，其中具有不同数量的能量开发。我已将结限制为 5，但是，我希望能够提取精确的结值，因为据我所知，结值代表阈值……也就是动物使用下降的表面扰动百分比。

我希望这是有道理的。如果没有，我只想知道如何获得结值。从 plot(m4) 中，我可以看到非线性线的斜率开始发生变化的位置，但了解确切的值将非常有帮助。

到目前为止，我已经尝试过:

smooth <- m4$smooth[[3]]

smooth$knots 
##this knot option isn't available to me, 
##I saw it in an old post from 2016, figured out that XP should replace knots

smooth$XP
##and all this returns is list()

非常感谢任何帮助，谢谢。

Answer 1

为了得到结，您可以提取边际平滑项的 xp 分量(注意它是小写的 xp 因为有一个 XP 在平滑的顶层，这是另外一回事)。

举个例子

library('mgcv')
## simulate some data
set.seed(1729)
df <- gamSim(2) # this is a bivariate example
## fit the model
mod <- gam(y ~ ti(x, bs = 'cr', k = 5) + 
               ti(z, bs = 'cr', k = 5) +
               ti(x, z, bs = rep('cr', 2), k = 5),
           data = df$data, method = 'REML')
## extract the 3rd smooth
sm <- mod[['smooth']][[3]]

边缘基在sm$margin中，它只是两个平滑对象的列表:

r$> str(sm$margin, max = 1)                          
List of 2
 $ :List of 21
  ..- attr(*, "class")= chr [1:2] "cr.smooth" "mgcv.smooth"
  ..- attr(*, "qrc")=List of 4
  .. ..- attr(*, "class")= chr "qr"
  ..- attr(*, "nCons")= int 1
 $ :List of 21
  ..- attr(*, "class")= chr [1:2] "cr.smooth" "mgcv.smooth"
  ..- attr(*, "qrc")=List of 4
  .. ..- attr(*, "class")= chr "qr"
  ..- attr(*, "nCons")= int 1

其中每一个都有一个 xp 组件:

sm_x <- sm$margin[[1]]
sm_z <- sm$margin[[2]]

因此，x 的边缘 CRS 的结点是:

r$> sm_x$xp
          0%          25%          50%          75%         100%
0.0005697084 0.2477067126 0.4704501621 0.7121602102 0.9960833385

对于 z 是

r$> sm_z$xp
         0%         25%         50%         75%        100% 
0.007381999 0.244705125 0.488819070 0.717802322 0.991505836

为什么要有这些值(value)观？它们位于观察到的协变量值的五分位数处:

r$> with(df$data, quantile(x, probs = seq(0, 1, length = 5)))
          0%          25%          50%          75%         100%
0.0005697084 0.2477067126 0.4704501621 0.7121602102 0.9960833385
r$> with(df$data, quantile(z, probs = seq(0, 1, length = 5)))
         0%         25%         50%         75%        100% 
0.007381999 0.244705125 0.488819070 0.717802322 0.991505836

这就是 mgcv 为 CRS 基础设置结的方式。可以使用 place.knots() 恢复确切位置:

r$> with(df$data, place.knots(x, 5))
[1] 0.0005697084 0.2477067126 0.4704501621 0.7121602102 0.9960833385
r$> with(df$data, place.knots(z, 5))
[1] 0.007381999 0.244705125 0.488819070 0.717802322 0.991505836

但从边缘平滑对象拉结更安全，因为用户始终可以通过 gam() 的 knots 参数指定结。