有没有办法生成不居中的predict.gam（…，type=“terms”值

原始问题：

调用

predict.gam（…，type=“terms”）

返回以平均值为中心的值。是否有办法获得原始预测项值（即未以平均值为中心的值）

编辑：这是一个重复的示例，我尝试使用

lpmatrix

获得给定变量的（非居中）拟合值。这些值与使用

visreg

的值相似，但有一个偏移量。这严格适用于

链接

为

标识

且不存在张量积的情况

    # read in data
    air<-data.frame(airquality)
    air<-air[complete.cases(air),]

    # set up m odel
    model<-gam(Temp~s(Ozone) + s(Solar.R) + s(Wind),data=air,method="ML")

#get predicted values 
predicted<-as.data.frame(predict(model,na.action=na.exclude))

    colnames(predicted)<-"predicted"

# using the lpmatrix, set values of s(Ozone), s(Solar.R), and s(Wind) to 0    
lpmat<-predict(model, type="lpmatrix")
    lpmat_Ozone<-lpmat; lpmat_Ozone[,grep("Ozone",colnames(lpmat))]<-0
    lpmat_Solar.R<-lpmat; lpmat_Solar.R[,grep("Solar.R",colnames(lpmat))]<-0
    lpmat_Wind<-lpmat; lpmat_Wind[,grep("Wind",colnames(lpmat))]<-0

#obtain response predictions with s(each variable) set to 0 (respectively)
    predicted$Ozone<-unname(lpmat_Ozone%*%coef(model))[,1]
    predicted$Solar.R<-unname(lpmat_Solar.R%*%coef(model))[,1]
    predicted$Wind<-unname(lpmat_Wind%*%coef(model))[,1]

#obtain term predictions
    answerdf<-as.data.frame(predicted$predicted - predicted$Ozone)
    colnames(answerdf)<-"Ozone"
    answerdf$Solar.R<-(predicted$predicted - predicted$Solar.R)
    answerdf$Wind<-(predicted$predicted - predicted$Wind)

#visualize using visreg method and the alternative method above 
    visregdat<-visreg(model, "Ozone", plot=FALSE)$fit
    plot(visregFit~Ozone,data=visregdat, type="l", lwd=5, ylim=c(-30,90), ylab= "fitted values")
    points(answerdf$Ozone~air$Ozone, col="violet", pch=20)
    legend(100,60, legend=c("Visreg", "Alt. method"),
           col=c("black", "violet"), pch=20, cex=0.8)

#读入数据
air否。要添加的常量可作为
predict（）
返回的对象的属性使用，但除此之外，没有自动执行此操作的选项。
谢谢。添加常量确实会使术语和predict（…，type=“response”）给出的值相加，但我对术语值本身（而不是它们的和）感兴趣，它们只在中间给出。有没有办法反算非居中值？平滑居中是有充分理由的（可识别性约束）。在模型截距中隔离响应的总体平均值，因此所有平滑均居中。如果你不这样做，就很难适应这个模型。还有其他方法可以添加可识别性约束，但在mgcv中没有。你可能可以抑制这种情况，但这会使拟合变得棘手。你为什么要这样做；什么是最终用例？我的数据是空间的。我试图在每次观察时分离给定变量对响应的影响。在线性模型中，假设y=a*x1+b*x2+c，我会说观察I处x1的效应是a*x1i（即，点I处x1的x1系数*观察值）。我正在寻找一种在GAM中做同样事情的方法。通常的做法是，当使用链接函数而不是标识链接时，这是唯一明智的做法，即使用
type='link'
从模型中预测，使用
newdata
改变感兴趣的变量并将所有其他变量保持在某个固定值，有代表性的值，比如它们的平均值或中位数。你也可以从平滑曲线图上读取，但y轴不会在响应的自然尺度上，特别是如果使用非标识链接。如果您希望它出现在响应量表上，则按上述方式进行预测（前面的注释），然后使用反向链接转换为响应量表
vis.gam（）
将帮助您解决此问题。