Lissages bidimensionnels et données spatiales

Modélisation non linéaire avec les Generalized Additive Models (GAM) en R

Noam Ross

Senior Research Scientist, EcoHealth Alliance

Interactions

$$ \LARGE y = \beta_1 x_1 + \beta_2 x_2 + \red{\beta_3 x_1 x_2} $$

Interactions dans les GAM

$$ \LARGE y = s(x_1, x_2) $$

Syntaxe des interactions

gam(y ~ s(x1, x2),                   # <-- 2 variables 
        data = dat, method = "REML")

Mélanger interaction et termes simples

gam(y ~ s(x1, x2) + s(x3),
        data = dat, method = "REML")

gam(y ~ s(x1, x2) + x3 + x4,
        data = dat, method = "REML")

Famille : gaussian 
Fonction de liaison : identity 

Formule :
y ~ s(x1, x2)

Coefficients paramétriques :
            Estimate Std. Error t value Pr(>|t|)    
(Intercept)  0.34256    0.01646   20.82   <2e-16 ***
 ---
Codes de signification :  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Signification approximative des termes lissés :
           edf Ref.df     F p-value    
s(x1,x2) 10.82   14.9 14.37  <2e-16 *** #<-- Interaction
 ---
Codes de signification :  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

R-carré (ajust.) =  0.519   Déviance expliquée = 54.5 %
GCV = 0.057564  Échelle estimée = 0.054161  n = 200

Données spatiales

meuse

         x      y cadmium copper lead zinc   elev       dist   om ffreq ...
1   181072 333611    11.7     85  299 1022  7.909 0.00135803 13.6     1 ...
2   181025 333558     8.6     81  277 1141  6.983 0.01222430 14.0     1 ...
3   181165 333537     6.5     68  199  640  7.800 0.10302900 13.0     1 ...
4   181298 333484     2.6     81  116  257  7.655 0.19009400  8.0     1  ...
5   181307 333330     2.8     48  117  269  7.480 0.27709000  8.7     1  ...
6   181390 333260     3.0     61  137  281  7.791 0.36406700  7.8     1  ...
7   181165 333370     3.2     31  132  346  8.217 0.19009400  9.2     1  ...
8   181027 333363     2.8     29  150  406  8.490 0.09215160  9.5     1  ...
9   181060 333231     2.4     37  133  347  8.668 0.18461400 10.6     1  ...
10  181232 333168     1.6     24   80  183  9.049 0.30970200  6.3     1  ...

?sp::meuse

Passons à la pratique !

Modélisation non linéaire avec les Generalized Additive Models (GAM) en R