我们使用R库mgcv，用广义加性模型（GAMs）对环境数据进行建模。mgcv是一个伟大的库，具有丰富的功能，但我们经常发现，默认的诊断图并不令人振奋。特别是偏残差图，功能很强，但不漂亮，残差几乎看不见。我们需要根据这些代码来制作自己的偏回归平滑图。

1) 基本的数据设置

我们正在使用这里讨论的数据集。我们使用的是国家发病率和死亡率空气污染研究（NMMAPS）的数据。我们将数据限制在1997-2000年。

data\[date>as.Date("1996-12-31"),\]

2) 简单的GAM模型--温度对臭氧

在这个例子中，我们保持模型的简单性--使用高斯数据，单一预测因子。我们对温度与臭氧进行建模，我们将输出默认的偏残差图。

# 模型 - 温度对臭氧的影响
plot(gam)

这个图可以改进？

3) 重新制作偏残差图

偏残差图(_Partial Residual_ Plot)是多元回归中常用的诊断工具，特别是评估模型中在一个或另一个解释变量中是否包含非线性项。在多元回归y=β0+β1x1+…+βpxp+ε中，若欲反映其中变量Xj与因变量y之间的关系并用图形显示，其方法之一是用偏残差图。

点击标题查阅往期内容

在r语言中使用GAM（广义相加模型）进行电力负荷时间序列分析

左右滑动查看更多

01

02

03

04

在这里，我们加入平滑项、置信区间和偏残差。

#我们可以在多边形的顶部添加线条
qplot(temp, fit, type="n")+poly(c(temp, rev(temp)), 
        c(low95,rev(up95))# 对于置信度的灰色多边形

在最后一步，我们要加入偏残差本身。偏残差是平滑项的估计值+整个模型的残差。

#添加偏残差。

points(temp,partial.resids)

为便于参考，这里是完整模型的摘要。

模型 - 温度对臭氧的影响