求助：mgcv中带定点约束的惩罚三次样条GAM模型预测问题

问题根源 #

• 模型中的X是矩阵类型（样条基矩阵），预测时传入numeric类型的X会触发类型不匹配错误
• 用list构建模型时错误地将惩罚矩阵S放入data列表，导致维度不匹配（S是8×8矩阵，其他变量为100行向量）

正确的模型拟合（list作为data参数） #

修正模型拟合逻辑，惩罚矩阵S无需放入data列表，仅通过paraPen参数指定：

library(mgcv)
set.seed(0)
n <- 100
x <- runif(n)*4-1;x <- sort(x);
f <- exp(4*x)/(1+exp(4*x));y <- f+rnorm(100)*0.1;plot(x,y)
dat <- data.frame(x=x,y=y)

# 构造带约束点节点的样条基与惩罚矩阵
knots <- data.frame(x=seq(-1,3,length=9))
sm <- smoothCon(s(x,k=9,bs="cr"),dat,knots=knots)[[1]]

# 移除约束点对应的基列，构造偏移项
X <- sm$X[,-3]        # 8列样条基矩阵
S <- sm$S[[1]][-3,-3] # 对应维度的惩罚矩阵
off <- y*0 + .6       # 偏移项，强制曲线过(0, 0.6)

# 构造data列表：仅包含模型用到的变量，S不放入其中
list.dat <- list(y = y, 
                 X = X, 
                 off = off)

# 拟合约束GAM模型
b <- gam(y ~ X - 1 + offset(off), 
         data = list.dat, paraPen=list(X=list(S)))
lines(x,predict(b)) # 验证拟合曲线

正确的预测步骤 #

核心是为新x值生成与模型结构完全一致的样条基矩阵，确保变量类型匹配：

# 生成待预测的x序列
x_seq <- seq(-1, 3, length.out = 10000)
new_raw_dat <- data.frame(x = x_seq)

# 为新x值生成样条基矩阵，注意使用原始自变量名x
sm_new <- smoothCon(s(x,k=9,bs="cr"), new_raw_dat, knots=knots)[[1]]
X_new <- sm_new$X[,-3] # 移除第3列，和模型中的X结构对齐

# 构造预测用的list数据：X为矩阵，off长度与新数据一致
predict_list <- list(
  X = X_new,
  off = rep(0.6, length(x_seq)) # 偏移项保持与原模型一致
)

# 执行预测
predictions <- predict(b, newdata = predict_list, se.fit = TRUE)

# 可视化预测结果
lines(x_seq, predictions$fit, col="red", lwd=2)

关键注意事项 #

• 模型中的X是矩阵，预测时必须传入同维度的矩阵，不能传入numeric向量
• 惩罚矩阵S是模型拟合参数，无需放入data列表，仅通过paraPen指定
• 生成新样条基时，要使用原始自变量名（x）而非模型中的X，smoothCon需基于原始变量生成基
• 偏移项off的长度必须与新数据行数完全匹配

内容的提问来源于stack exchange，提问作者Gretel