召集所有关于本地回归和/或R 的专家！
我遇到了R 中标准loess函数的限制，希望您能提供一些建议。当前实现仅支持 1-4 个预测器。让我列出我们的应用场景，以说明为什么一旦我们想要使用全局拟合参数协变量，这很容易成为一个问题。
本质上，我们有一个空间失真s(x,y)叠加在多个测量值z 上：
z_i = s(x_i,y_i) + v_{g_i}
这些测量值z可以按每个组g的相同基础未失真测量值v分组。每次测量的组成员资格 g_i 都是已知的，但组的潜在未失真测量值 v_g 未知，应由（全局，而非局部）回归确定。
我们需要估计二维空间趋势s(x,y)，然后我们想要删除它。在我们的应用程序中，假设在最简单的情况下有 20 组，每组至少有 35 个测量值。测量值是随机放置的。以第一组为参考，因此有 19 个未知偏移量。
下面的玩具数据代码（在一维x 中具有空间趋势）适用于两个或三个偏移组。
不幸的是，四个或更多偏移组的loess调用失败并显示错误消息
Error in simpleLoess(y, x, w, span, degree, parametric, drop.square,
normalize, :
only 1-4 predictors are allowed"
我尝试覆盖限制并得到
k>d2MAX in ehg136. Need to …