R语言广义相加模型 (GAMs)分析预测CO2时间序列数据

环境科学中的许多数据不适合简单的线性模型,最好用广义相加模型(GAM)来描述。

 

由Kaizong Ye,Liao Bao撰写

这基本上就是具有 光滑函数的广义线性模型(GLM)的扩展 。

当然,当您使用光滑项拟合模型时,可能会发生许多复杂的事情,但是您只需要了解基本原理即可。

理论

让我们从高斯线性模型的方程开始 :

GAM中发生的变化是存在光滑项:

这仅意味着对线性预测变量的贡献现在是函数f。从概念上讲,这与使用二次项(​)或三次项(​)作为预测变量没什么不同。

在这里,我们将重点放在样条曲线上。在过去,它可能类似于分段线性函数。

例如,您可以在模型中包含线性项和光滑项的组合

或者我们可以拟合广义分布和随机效应

一个简单的例子

让我们尝试一个简单的例子。首先,让我们创建一个数据框,并创建一些具有明显非线性趋势的模拟数据,并比较一些模型对该数据的拟合程度。


在r语言中使用GAM(广义相加模型)进行电力负荷时间序列分析

阅读文章


尝试拟合普通的线性模型:

并使用geom_smooth in 绘制带有数据的拟合线 ggplot


随时关注您喜欢的主题


查看图或 summary(lm_y),您可能会认为模型拟合得很好,但请查看残差图

显然,残差未均匀分布在x的值上,因此我们需要考虑一个更好的模型。

运行分析

在R中运行GAM。

要运行GAM,我们使用:

要提取拟合值,我们可以predict  :

但是对于简单的模型,我们还可以利用中的 method = 参数来 geom_smooth指定模型公式。

您可以看到该模型更适合数据,检查诊断信息。

check.gam 快速简便地查看残差图。

对模型对象使用summary将为您提供光滑项(以及任何参数项)的意义,以及解释的方差。

在这个例子中,非常合适。“edf”是估计的自由度——本质上,数量越大,拟合模型就越摇摆。大约为1的值趋向于接近线性项。

光滑函数项

如上所述,我们将重点介绍样条曲线,因为样条曲线是最常实现的光滑函数(非常快速且稳定)。那么,当我们指定s(x)时实际发生了什么 ?

好吧,这就是我们说要把y拟合为x个函数集的线性函数的地方。默认输入为薄板回归样条-您可能会看到的常见样条是三次回归样条。三次回归样条曲线具有 我们在谈论样条曲线时想到的传统 _结点_–在这种情况下,它们均匀分布在协变量范围内。

基函数

我们将从拟合模型开始,记住光滑项是一些函数的和,

首先,我们提取_基本函数_集  (即滑项的bj(xj)部分)。然后我们可以画出第一和第二基函数。

现在,让我们绘制所有基函数的图,然后再将其添加到GAM(y_pred)的预测中。

现在,最容易想到这样-每条虚线都代表一个函数(bj),据此 gam 估算系数(βj),将它们相加即可得出对应的f(x)的贡献(即先前的等式)。对于此示例而言,它很好且简单,因为我们仅根据滑项对y进行建模,因此它是相当相关的。顺便说一句,您也可以只使用 plot.gam 绘制滑项。

好的,现在让我们更详细地了解基函数的构造方式。您会看到函数的构造与因变量数据是分开的。为了证明这一点,我们将使用 smoothCon

现在证明您可以从基本函数和估计系数到拟合的滑项。再次注意,这里简化了,因为模型只是一个滑项。如果您有更多的项,我们需要将线性预测模型中的所有项相加。

请看下面的图,记住这 X 是基函数的矩阵。

通过 gam.models , smooth.terms 滑模型类型的所有选项,基本函数的构造方式(惩罚等),我们可以指定的模型类型(随机效应,线性函数,交互作用)。

真实例子

我们查看一些CO2数据,为数据拟合几个GAM,以尝试区分年度内和年度间趋势。

首先加载数据 。

我们想首先查看年趋势,因此让我们将日期转换为连续的时间变量(采用子集进行可视化)。

我们来绘制它,并考虑一个平稳的时间项。

我们为这些数据拟合GAM

它拟合具有单个光滑时间项的模型。我们可以查看以下预测值:

请注意光滑项如何减少到“普通”线性项的(edf为1)-这是惩罚回归样条曲线的优点。但如果我们检查一下模型,就会发现有些东西是混乱的。

残差图的上升和下降模式看起来很奇怪-显然存在某种依赖关系结构(我们可能会猜测,这与年内波动有关)。让我们再试一次,并引入一种称为周期光滑项。

周期性光滑项fintrannual(month)由基函数组成,与我们已经看到的相同,只是样条曲线的端点被约束为相等,这在建模时是有意义的周期性(跨月/跨年)的变量。

现在,我们将看到 bs = 用于选择光滑器类型的k = 参数和用于选择结数的 参数,因为三次回归样条曲线具有固定的结数。我们使用12结,因为有12个月。

让我们看一下拟合的光滑项:

从这两个光滑项来看,我们可以看到,月度光滑项检测到CO2浓度的月度上升和下降——从相对幅度(即月度波动与长期趋势)来看,我们可以看出消除时间序列成分是多么重要。让我们看看现在的模型诊断是怎样的:

好多了。让我们看一下季节性因素如何与整个长期趋势相对应。

结果

从本质上讲,您可以将GAM的模型结果表示为任何其他线性模型,主要区别在于,对于光滑项,没有单一系数可供推断(即负、正、效应大小等)。因此,您需要依靠视觉上解释光滑项(例如从对plot(gam_model)的调用)或根据预测值进行推断。当然,你可以在模型中包含普通的线性项(无论是连续的还是分类的,甚至在方差分析类型的框架中),并像平常一样从中进行推断。事实上,GAM对于解释一个非线性现象通常是有用的,这个非线性现象并不直接引起人们的兴趣,但在推断其他变量时需要加以解释。

您可以通过plot 在拟合的gam模型上调用函数来绘制局部效果 ,还可以查看参数项,也可以使用 termplot 函数。您可以ggplot 像本教程前面所述那样使用 简单的模型,但是对于更复杂的模型,最好知道如何使用predict预测数据 。


可下载资源

关于作者

Kaizong Ye拓端研究室(TRL)的研究员。

本文借鉴了作者最近为《R语言数据分析挖掘必知必会 》课堂做的准备。

​非常感谢您阅读本文,如需帮助请联系我们!

 
QQ在线咨询
售前咨询热线
15121130882
售后咨询热线
0571-63341498