如何预测R中具有随机效应的gam模型？

我正致力于预测具有随机效应的

gam

模型，通过

plot\u ly

生成三维曲面图

这是我的密码

x <- runif(100)
y <- runif(100)
z <- x^2 + y + rnorm(100)
r <- rep(1,times=100) # random effect
r[51:100] <- 2 # replace 1 into 2, making two groups
df <- data.frame(x, y, z, r)

gam_fit <- gam(z ~ s(x) + s(y) + s(r,bs="re"), data = df) # fit

#create matrix data for `add_surface` function in `plot_ly`
newx <- seq(0, 1, len=20)
newy <- seq(0, 1, len=30)
newxy <- expand.grid(x = newx, y = newy)
z <- matrix(predict(gam_fit, newdata = newxy), 20, 30) # predict data as matrix

多亏了前面的答案，我确信上述代码不会产生随机效应，如中所示

---

如何预测具有随机效应的gam模型？

假设您希望曲面以随机效应为条件（但不是针对特定水平的随机效应），有两种方法

第一种方法是为随机效应提供一个级别，但使用

exclude

参数

predict.gam（）

将该项从预测值中排除。第二种方法是再次使用

exclude

，但这次不要为随机效应提供任何数据，而是停止

predict.gam（）

使用参数

newdata.guaranged=TRUE

检查

newdata

备选案文1：

---

newxy1非常感谢您！
Error in model.frame.default(ff, data = newdata, na.action = na.act) : 
   variable lengths differ (found for 'r')
In addition: Warning message:
In predict.gam(gam_fit, newdata = newxy) :
  not all required variables have been supplied in  newdata!

> all.equal(z1, z2)
[1] TRUE

expand.grid(x = newx, y = newy,
            r = with(df, factor(2, levels = levels(r))))