我想更新R素食主义者中ordisurf函数后面的GAM模型（添加随机因子）。为此，我首先构建了一个模型，该模型应与ordisurf背后的模型相同，如下所示：https://www.fromthebottomoftheheap.net/2011/06/10/what-is-ordisurf-doing/
但是，我在mgcv中制作的ordisurf和GAM模型得出的结果却截然不同。下面是带有沙丘数据的示例代码。谁能解释？ GAM模型应表现出与ordisurf相似的效果吗？ （重要的是在人们开始改进它之前……：））
ord <-metaMDS(dune, k=3)
surf <- ordisurf(ord, dune.env$A1, choices = c(2,3))
scrs <- data.frame(scores(ord, display = "sites", choices = c(1,2,3)))
dat <- with(dune, cbind(scrs, dune.env$A1))
mod_23 <- gam(dune.env$A1 ~ s(NMDS2, NMDS3, k = 10), data = dat)
plot.gam(mod_12, se=FALSE, cex = 1, pch = 1, col="blue")
答案 0 :(得分：1)
此类问题的最佳答案是阅读源代码，以了解实际上正在做什么。自从我写了那篇博客文章以来，我们决定调整ordisurf()的默认设置，以反映估算GAM的良好做法，并严格选择模型。
首先，我们使用mgcv::gam()将模型与method = 'REML'拟合，以利用REML平滑度选择。 GCV平滑度选择（当前）是mgcv::gam()中的默认设置，但不建议使用， mgcv 的开发者Simon Wood暗示了 mgcv 可以将默认值从method = 'GCV.Cp'更改为method = 'REML'。其原因是，在许多应用中已观察到GCV平滑度选择不够平滑。发生这种情况时，GCV函数的轮廓在全局最佳GCV得分附近变得非常平坦。数据中的细微差异可能会导致选择非常不同的平滑度参数，其中一些会导致平滑度不足。 REML和ML平滑度选择受此问题影响较小； REML分数的分布曲线趋于弯曲并具有明显的最小值。
第二点以及我们现在为什么使用select = TRUE的原因是，观察结果表明GAM中的平滑度惩罚决定了估计曲面的摆动程度，而该惩罚只会影响摆动的基函数。基数展开包含两个基函数，从罚金的角度来看，它们是完全平滑的；有两个表示两个线性平面的线性2-D基函数，根据定义，它们具有零曲率（零二阶导数），因此完全不影响摆动性罚分（无论如何都是默认值，即使用估计样条曲线的曲率损失）。最终结果是，平滑度损失会一直惩罚到估计的平面表面，但不会进一步。实际上，这意味着用户可以将ordisurf()模型的结果解释为线性表面，即使该线性表面在统计上不显着（许多用户只是看图而不是潜在的GAM）会告诉他们他们的飞机是否重要）。 select = TRUE所做的是向平滑添加第二个惩罚，这只会影响完全平滑的基函数。这具有GAM能够从模型中完全补偿/缩小模型的效果。换句话说，它可以将表面收缩为平坦的水平表面，零序===零序排列与响应变量之间的关系为零。
总的来说，我认为这些选项可以最好地防止用户误报。
如果您将gam()的呼叫更改为：
mod_23 <- gam(dune.env$A1 ~ s(NMDS2, NMDS3, k = 10), data = dat,
method = 'REML', select = TRUE)
然后您将获得与ordisurf()产生的输出相同的输出：
r$> mod_23
Family: gaussian
Link function: identity
Formula:
dune.env$A1 ~ s(NMDS2, NMDS3, k = 10)
Estimated degrees of freedom:
0.285 total = 1.28
REML score: 43.25057
r$> surf
Family: gaussian
Link function: identity
Formula:
y ~ s(x1, x2, k = 10, bs = "tp", fx = FALSE)
Estimated degrees of freedom:
0.285 total = 1.28
REML score: 43.25057