mgcv gamでのランダムな効果による予測

私は、mgcvのgamを使用して総漁獲量をモデル化し、個々の船（時間の経過とともに繰り返し漁業を行う）の単純なランダム効果をモデル化することに興味があります。私は98科目を持っているので、ランダム効果をモデル化するためにgammではなくgamを使用すると思いました。私のモデルは：

modelGOM <- gam(TotalFish ~ factor(SetYear) + factor(SetMonth) + factor(TimePeriod) +     
s(SST) + s(VesselID, bs = "re", by = dum) + s(Distance, by = TimePeriod) + 
offset(log(HooksSet)), data = GOM, family = tw(), method = "REML")

私はbs = "re"とby = dumでランダム効果をコード化しました（これにより、予測値またはゼロでの血管効果を予測できるようになります）。"dum"は1のベクトルです。

モデルは実行されますが、予測に問題があります。予測のために血管の1つ（Vessel21）を選択し、予測に関心のある予測子（距離）以外のすべての平均値を選択しました。

data.frame("Distance"=seq(min(GOM$Distance),max(GOM$Distance),length = 100),
                             "SetYear" = '2006',
                             "SetMonth" = '6',
                             "TimePeriod" = 'A',
                             "SST" = mean(GOM$SST),
                             "VesselID" = 'Vessel21', 
                             "dum" = '0', #to predict without vessel effect
                             "HooksSet" = mean(GOM$HooksSet))

pred_GOM_A_Swordfish <- predict(modelGOM, grid.bin.GOM_A_Swordfish, type = "response", 
se = T)

私が得ているエラーは：

Error in Predict.matrix.tprs.smooth(object, dk$data) : 
    NA/NaN/Inf in foreign function call (arg 1)
    In addition: Warning message:
    In Ops.factor(xx, object$shift[i]) : - not meaningful for factors

これはVesselIDが要因であるため呼び出されていると思いますが、ランダムな効果のためにスムーズに使用しています。

単純なランダム効果なしでgamの使用を正常に予測できました（bs = "re"）。

VesselID項なしでこのモデルを予測する方法についてアドバイスを提供できますか（ただし、フィッティングに含めます）？

ありがとうございました！

mgcvの バージョン1.8.8から、以前に提案されたダミーのトリックなしで、予測時にランダム効果を含むモデルの項のゼロ化を可能にpredict.gamするexclude引数を得ました。

• predict.gamそして、予測のために項（例、変量効果）をゼロにpredict.bamする'exclude'引数を受け入れます。効率を上げるために、in termsまたはinでない滑らかな項はexclude評価されなくなり、代わりにゼロに設定されるか、返されません。を参照してください?predict.gam。

library("mgcv")
require("nlme")
dum <- rep(1,18)
b1 <- gam(travel ~ s(Rail, bs="re", by=dum), data=Rail, method="REML")
b2 <- gam(travel ~ s(Rail, bs="re"), data=Rail, method="REML")

head(predict(b1, newdata = cbind(Rail, dum = dum)))    # ranefs on
head(predict(b1, newdata = cbind(Rail, dum = 0)))      # ranefs off
head(predict(b2, newdata = Rail, exclude = "s(Rail)")) # ranefs off, no dummy

> head(predict(b1, newdata = cbind(Rail, dum = dum)))    # ranefs on
       1        2        3        4        5        6 
54.10852 54.10852 54.10852 31.96909 31.96909 31.96909  
> head(predict(b1, newdata = cbind(Rail, dum = 0)))      # ranefs off
   1    2    3    4    5    6 
66.5 66.5 66.5 66.5 66.5 66.5
> head(predict(b2, newdata = Rail, exclude = "s(Rail)")) # ranefs off, no dummy
   1    2    3    4    5    6 
66.5 66.5 66.5 66.5 66.5 66.5

古いアプローチ

Simon Woodは次の簡単な例を使用して、これが機能していることを確認しました。

library("mgcv")
require("nlme")
dum <- rep(1,18)
b <- gam(travel ~ s(Rail, bs="re", by=dum), data=Rail, method="REML")
predict(b, newdata=data.frame(Rail="1", dum=0)) ## r.e. "turned off"
predict(b, newdata=data.frame(Rail="1", dum=1)) ## prediction with r.e

それは私にとってはうまくいきます。同様に：

dum <- rep(1, NROW(na.omit(Orthodont)))
m <- gam(distance ~ s(age, bs = "re", by = dum) + Sex, data = Orthodont)
predict(m, data.frame(age = 8, Sex = "Female", dum = 1))
predict(m, data.frame(age = 8, Sex = "Female", dum = 0))

も動作します。

私はあなたが供給されているデータをチェックしますので、newdataあなたは問題がでないかもしれないとして、それが何を考えているVesselID-エラーがで呼ばれていたであろう機能から来ているpredict()上記の例の通話、および Rail内因子であり、最初の例。