将STL分解项用于疾病死亡率与空气污染时间序列分析的GAM模型

核心思路的合理性与潜在问题 #

你想用STL分解的趋势、季节项替代常规日历时间/星期项构建GAM，这个方向有一定逻辑，但存在几个关键细节需要修正，否则会影响模型有效性：

具体改进建议 #

• 立即移除STL残差项：STL残差是剥离趋势、季节后剩下的随机噪声，将其作为预测变量加入模型，本质是把已经剔除的干扰项重新放回，会严重污染空气污染核心效应的估计，完全没必要保留。
• 季节项的补充优化：STL的季节成分是固定周期的平滑结果，无法捕捉季节效应与日历时间（如节假日、年份间季节强度差异）的交互。如果你的数据包含星期维度，建议保留s(weekday, bs="re")（随机效应）或s(weekday, bs="cr")，和STL趋势项配合，比单纯依赖STL季节项更贴合真实数据规律。
• 趋势项的共线性排查：如果other_predictors中包含长期变化变量（如年度温度趋势），STL趋势项可能与这些变量产生共线性，导致模型估计不稳定。可以先做变量相关性分析，或者直接替换为s(calendar_time, bs="cr")，让GAM自主学习趋势，避免提前分解带来的假设偏差。
• 必须做模型对比验证：分别拟合两种模型并对比效果：
  1. 常规GAM：target_variable ~ s(calendar_time, bs="cr") + s(weekday, bs="re") + other_predictors
  2. 修正后的STL版本：target_variable ~ s(trend_component, bs="cr") + s(seasonal_component, bs="cr") + other_predictors
     用AIC、BIC或交叉验证（gam函数的method="REML"）判断哪种模型拟合更优，不能仅凭主观选择。

修正后的R代码示例 #

# 修正后的STL版本GAM（移除残差项，可选保留星期效应）
gam_model_stl <- gam(target_variable ~ s(trend_component, bs="cr") + 
                     s(seasonal_component, bs="cr") +
                     s(weekday, bs="re") +  # 星期随机效应，按需添加
                     other_predictors,
                     data = data,
                     method = "REML")  # REML估计平滑参数更稳定

# 常规对比模型
gam_model_regular <- gam(target_variable ~ s(date, bs="cr") + 
                         s(weekday, bs="re") +
                         other_predictors,
                         data = data,
                         method = "REML")

# 模型拟合效果对比
AIC(gam_model_stl, gam_model_regular)

额外提示 #

• 若想灵活捕捉时间相关的非线性效应，直接用s(date, bs="cr")让GAM自主学习趋势与季节的组合，比提前做STL分解更灵活，避免人为限制模型的拟合能力。
• 医学研究中，务必关注空气污染的滞后效应（如PM2.5滞后1-7天），可通过s(lag_pm25, bs="cr")或te(lag, pm25)建模，这更符合污染物影响健康的生物学机制。

内容的提问来源于stack exchange，提问作者Yangwoo Kim