从GAM预测R中分组数据帧的值

Question

我有一个不同年份不同纬度的年平均温度值的数据集。我想用它来预测在一年中可以找到给定温度的纬度；也就是说，“在1980年，在什么纬度下，年平均气温为20摄氏度？”

我需要为此使用特定年份的模型，因为纬度和温度之间的关系随时间而改变（尽管下面的示例数据中并未随机生成）。这将涉及：

1. 将GAM拟合到按年份分组/拆分的数据集。
2. 对于每个不同的GAM（即每年），用于predict.gam计算温度列表中每个元素的预测值。
3. 重新组合这些数据，以得到一个数据框，其中的列分别代表year，newdata_value （用于预测的温度值）和predicted_value（将其馈newdata_value入特定年份的GAM中的纬度）。

这是一个玩具数据集：

years <- seq(1968, 2018, 1)
lat <- seq(34.5, 44.5, 1)
dat <- expand.grid(years, lat)
names(dat) <- c("years","lat")
dat$temp <- runif(dim(dat)[1], 5, 20) # add random temperature data points 
newdata_values <- seq(2, 16, 2) # temperature values to use for prediction

我已经试过各种purrr和split-apply-combine解决方案，也没有想通什么了。有什么建议么？

Answer 1

另一种选择是拟合允许纬度/温度关系随年份变化的模型。有几种选择。以下是每年都有独立关系的模型：

gam(lat ~ year + s(temp, by = year), data = dat)

注意，对于此公式，year应将其编码为一个因子。

一种替代方法是允许纬度/温度关系逐年平滑变化，如果这种关系随时间逐渐变化，则可以采用合理的模型。在这种情况下，您将需要使用张量积smooth（te()）来表示不同尺度（度，年）的变量之间的双向交互作用：

gam(lat ~ te(temp, year), data = dat)

在这两种情况下，您都可以使用进行预测predict.gam(model, newdata = new_dat)，其中同时new_dat具有year和temp列。