r - 为什么在“gam(y〜mgcv::s ...)”中使用“mgcv::s”会导致错误？

我想清楚一点，并在各行中使用::表示法来适合mgcv::gam。在模型调用mgcv::s中使用表示法时，我偶然发现了一件事情。带有可复制示例/错误的代码如下所示。

原因可能是因为我在模型公式中使用了这种表示法，但是我无法弄清楚为什么它不起作用/不允许这样做。这可能是关于语法的非常具体的东西（我想可能不是特定于mgcv的东西），但是也许有人可以帮助我理解这一点以及我对R的理解。预先感谢您。

library(mgcv)
dat <- data.frame(x = 1:10, y = 101:110)
# this results in an error: invalid type (list)...
mgcv::gam(y ~ mgcv::s(x, bs = "cs", k = -1), data = dat)
# after removing the mgcv:: in front of s everything works fine
mgcv::gam(y ~ s(x, bs = "cs", k = -1), data = dat)

# outside of the model call, both calls return the desired function
class(s)
# [1] "function"
class(mgcv::s)
# [1] "function"

最佳答案

说明

library(mgcv)
#Loading required package: nlme
#This is mgcv 1.8-24. For overview type 'help("mgcv-package")'.

f1 <- ~ s(x, bs = 'cr', k = -1)
f2 <- ~ mgcv::s(x, bs = 'cr', k = -1)

OK <- mgcv:::interpret.gam0(f1)$smooth.spec
FAIL <- mgcv:::interpret.gam0(f2)$smooth.spec

str(OK)
# $ :List of 10
#  ..$ term   : chr "x"
#  ..$ bs.dim : num -1
#  ..$ fixed  : logi FALSE
#  ..$ dim    : int 1
#  ..$ p.order: logi NA
#  ..$ by     : chr "NA"
#  ..$ label  : chr "s(x)"
#  ..$ xt     : NULL
#  ..$ id     : NULL
#  ..$ sp     : NULL
#  ..- attr(*, "class")= chr "cr.smooth.spec"

str(FAIL)
# list()

interpret.gam0源代码的第四行揭示了该问题：

head(mgcv:::interpret.gam0)

1 function (gf, textra = NULL, extra.special = NULL)
2 {
3     p.env <- environment(gf)
4     tf <- terms.formula(gf, specials = c("s", "te", "ti", "t2",
5         extra.special))
6     terms <- attr(tf, "term.labels")

由于"mgcv::s"不匹配，因此出现了问题。但是mgcv确实为您提供了解决此问题的空间，方法是通过参数"mgcv::s"传递extra.special：

FIX <- mgcv:::interpret.gam0(f, extra.special = "mgcv::s")$smooth.spec
all.equal(FIX, OK)
# [1] TRUE

只是这在高级例程中不是用户可控制的：

head(mgcv::gam, n = 10)

#1  function (formula, family = gaussian(), data = list(), weights = NULL,
#2      subset = NULL, na.action, offset = NULL, method = "GCV.Cp",
#3      optimizer = c("outer", "newton"), control = list(), scale = 0,
#4      select = FALSE, knots = NULL, sp = NULL, min.sp = NULL, H = NULL,
#5      gamma = 1, fit = TRUE, paraPen = NULL, G = NULL, in.out = NULL,
#6      drop.unused.levels = TRUE, drop.intercept = NULL, ...)
#7  {
#8      control <- do.call("gam.control", control)
#9      if (is.null(G)) {
#10         gp <- interpret.gam(formula)  ## <- default to extra.special = NULL

我同意本博克的观点。找出内部发生的事情是一个很好的练习，但是将其视为错误并修复它是一种过度反应。



更多见解：

s中的te，mgcv等与stats::poly和splines::bs的逻辑不同。


例如，当您使用X <- splines::bs(x, df = 10, degree = 3)时，它将评估x并直接创建设计矩阵X。
当您执行s(x, bs = 'cr', k = 10)时，不会进行评估；它被解析。


mgcv中的平滑构造分几个阶段：


mgcv::interpret.gam解析/解释，生成更平滑的配置文件；
mgcv::smooth.construct的初始构造，建立基础/设计矩阵和惩罚矩阵（主要在C级完成）；
mgcv::smoothCon的二次构造，它拾取“ by”变量（例如，对因子“ by”进行平滑复制），线性函数项，空空间罚分（如果使用select = TRUE），罚分重定比例，居中约束等;
mgcv:::gam.setup的最终集成，它将所有平滑器组合在一起，返回模型矩阵，等等。


因此，这是一个复杂得多的过程。