R语言广义加性模型GAMs分析温度、臭氧环境数据绘制偏回归图与偏残差图 R语言广义加性模型GAMs分析温度

原文链接：http://tecdat.cn/?p=23697 我们使用R库mgcv，用广义加性模型（GAMs）对环境数据进行建模。mgcv是一个伟大的库，具有丰富的功能，但我们经常发现，默认的诊断图并不令人振奋。特别是偏残差图，功能很强，但不漂亮，残差几乎看不见。我们需要根据这些代码来制作自己的偏回归平滑图。
1) 基本的数据设置我们正在使用这里讨论的数据集。我们使用的是国家发病率和死亡率空气污染研究（NMMAPS）的数据。我们将数据限制在1997-2000年。

data\[date>as.Date("1996-12-31"),\]

2) 简单的GAM模型--温度对臭氧在这个例子中，我们保持模型的简单性--使用高斯数据，单一预测因子。我们对温度与臭氧进行建模，我们将输出默认的偏残差图。

# 模型 - 温度对臭氧的影响 plot(gam)

文章图片

这个图可以改进？
3) 重新制作偏残差图偏残差图(_Partial Residual_ Plot)是多元回归中常用的诊断工具，特别是评估模型中在一个或另一个解释变量中是否包含非线性项。在多元回归y=β0+β1x1+…+βpxp+ε中，若欲反映其中变量Xj与因变量y之间的关系并用图形显示，其方法之一是用偏残差图。
在这里，我们加入平滑项、置信区间和偏残差。

#我们可以在多边形的顶部添加线条 qplot(temp, fit, type="n")+poly(c(temp, rev(temp)), c(low95,rev(up95))# 对于置信度的灰色多边形

在最后一步，我们要加入偏残差本身。偏残差是平滑项的估计值+整个模型的残差。

#添加偏残差。points(temp,partial.resids)

文章图片

为便于参考，这里是完整模型的摘要。
模型 - 温度对臭氧的影响

文章图片

文章图片

最受欢迎的见解
1.R语言多元Logistic逻辑回归应用案例
2.面板平滑转移回归(PSTR)分析案例实现
3.matlab中的偏最小二乘回归（PLSR）和主成分回归（PCR）
4.R语言泊松Poisson回归模型分析案例
5.R语言混合效应逻辑回归Logistic模型分析肺癌
6.r语言中对LASSO回归，Ridge岭回归和Elastic Net模型实现
7.R语言逻辑回归、Naive Bayes贝叶斯、决策树、随机森林算法预测心脏病
8.python用线性回归预测股票价格
【R语言广义加性模型GAMs分析温度、臭氧环境数据绘制偏回归图与偏残差图】9.R语言用逻辑回归、决策树和随机森林对信贷数据集进行分类预测