当我们使用具有各向同性平滑器的mgcv包绘制GAM模型时，我们得到的等高线图如下所示：
- x轴
- y轴用于另一预测器
- 主要是函数s(x1，x2((各向同性窒息(
假设在这个模型中，我们有许多其他各向同性平滑器，如：
y ~ s(x1, x2) + s(x3, x4) + s(x5, x6)
我的疑问是：在解释s(x1, x2)的等高线图时，其他各向同性平滑器会发生什么？他们是"；固定在他们的中间位置"；？我们可以单独解读s(x1, x2)图吗？
因为该模型在函数中是可加性的，所以您可以单独解释函数(单独的s()项(，但不一定是协变量对响应的单独影响。在您的情况下，每个双变量平滑器中的协变量之间没有重叠，因此您也可以将它们解释为协变量对响应的影响，与其他平滑器不同。
所有平滑函数通常都受到和到零的约束，以允许模型常数项(截距(成为可识别的参数。因此，每个图中的0线是模型常数项的值(在链接函数或线性预测器的尺度上(。
plot.gam(model)的输出中显示的图是部分效果图或部分图。如果你有兴趣理解该术语对作为该术语协变量函数的响应的影响，那么你基本上可以忽略其他术语。
如果模型中的其他项可能包括另一项中的一个或多个协变量，并且你想看看响应如何随着该项或协变量的变化而变化，那么你应该在你感兴趣的变量范围内从模型中预测，同时将其他变量保持在一些表示值，比如它们的均值或中值。
例如，如果你有
model <- gam(y ~ s(x, z) + s(x, v), data = foo, method = 'REML')
如果你只想知道响应是如何作为x的函数变化的，你可以将z和v固定在代表值上，然后预测x:的一系列值
newdf <- with(foo, expand.grid(x = seq(min(x), max(x), length = 100),
z = median(z)
v = median(v)))
newdf <- cbind(newdf, fit = predict(model, newdata = newdf, type = 'response'))
plot(fit ~ x, data = newdf, type = 'l')
此外，请参阅mgcv包中的?vis.gam，作为准备这样的地块的一种方法，但它需要做艰苦的工作。