GAM模型构建报错求助：对因子类型的0时与12时做平滑处理

问题背景 #

构建GAM模型时，将数据集中的小时设为因子类型，生成哑变量后对hour0（0时）和hour12（12时）使用s()平滑函数，始终报错，无法定位原因。

相关代码与数据结构 #

数据处理代码 #

data$time = substr(data$x, 1, 16)
data$start_time <- as.POSIXct(data$start_time, format = "%d.%m.%Y %H:%M", tz = "UTC")
data = subset(data, select = -c(x, y))
data$hour <- hour(data$start_time)
head(data)

df = data %>%
  mutate(data_aggregate = floor_date(time, unit = "hour")) %>%
  group_by(data_aggregate) %>%
  summarise(W = sum(WindInfeed, na.rm = TRUE))

df1 <-  df %>% mutate(hour = as.factor(hour(data_aggregate)))

# 生成哑变量矩阵
df1$hour <- as.factor(df1$hour)
dummy_matrix <- model.matrix(~hour-1, data = df1)
df_new <- cbind(dummy_matrix, df1)

# 尝试构建GAM模型（报错代码）
gam.lm2 <- gam(W~s(hour0) + s(hour12), data = df_new) 

数据结构示例 #

df1关键列的前几行：

structure(list(data_aggregate = structure(c(1640995200, 1640998800, 
1641002400, 1641006000, 1641009600, 1641013200), tzone = "UTC", class = c("POSIXct", 
"POSIXt")), hour = structure(1:6, levels = c("0", "1", "2", "3", 
"4", "5", "6", "7", "8", "9", "10", "11", "12", "13", "14", "15", 
"16", "17", "18", "19", "20", "21", "22", "23"), class = "factor")), row.names = c(NA, 
-6L), class = c("tbl_df", "tbl", "data.frame"))

df_new哑变量列的前几行：

structure(list(hour0 = c(1, 0, 0, 0, 0, 0), hour2 = c(0, 0, 1, 
0, 0, 0)), row.names = c("1", "2", "3", "4", "5", "6"), class = "data.frame")

报错原因 #

hour0和hour12是二元哑变量，取值仅为0或1。GAM的s()平滑函数需要变量具备足够多的不同取值（连续变量或多水平分类变量）才能拟合平滑效应，二元变量的自由度完全无法支撑平滑函数的拟合逻辑，因此必然报错。

解决方案 #

根据需求可选择以下调整方式：

1. 直接用线性项建模（无需平滑） #

如果仅需估计0时和12时对W的独立影响，直接使用哑变量的线性项即可：

# 方式1：用已生成的哑变量
gam.lm2 <- gam(W ~ hour0 + hour12, data = df_new)

# 方式2：直接用原hour因子更简洁，自动生成参考水平对比
gam.lm2 <- gam(W ~ hour, data = df1)

2. 对小时的周期效应做整体平滑 #

如果想捕捉小时的周期性平滑变化（比如0时和23时效应相近），将hour转为连续整数后使用循环立方样条（bs="cc"），适配小时的周期特性：

# 将hour因子转为整数，用循环平滑
gam.lm2 <- gam(W ~ s(as.integer(hour), bs = "cc", k = 10), data = df1)

其中k为平滑自由度，可根据数据调整，建议取值5-15。

3. 特定小时的局部平滑 #

若仅关注0时和12时附近的效应，可构建连续小时变量并结合受限平滑，但这种场景下更推荐方式2的周期平滑，更符合小时变量的本质特性。

内容的提问来源于stack exchange，提问作者momo