如何在同一张图中叠加GAMM模型的两个平滑变量可视化结果？

方法一：用gratia包直接提取并绘图 #

gratia完全支持gamm模型，但要注意调用模型里的gam组件，而不是直接用gamm拟合结果。步骤如下：

• 加载所需包
• 从gamm结果中提取gam对象
• 用smooth_estimates()整合分组平滑项的估计值，再用ggplot叠加绘图

library(gratia)
library(ggplot2)
library(mgcv)

# 假设你的gamm拟合结果叫gamm_fit
gam_mod <- gamm_fit$gam

# 提取所有分组平滑项的估计数据
sm_est <- smooth_estimates(gam_mod)

# 叠加绘图，自动按x2分组
ggplot(sm_est, aes(x = x1, y = est, color = x2, fill = x2)) +
  geom_line(linewidth = 1) +
  # 添加置信区间
  geom_ribbon(aes(ymin = est - 1.96*se, ymax = est + 1.96*se), alpha = 0.2, color = NA) +
  labs(x = "x1", y = "偏效应", color = "x2分组", fill = "x2分组") +
  theme_minimal()

方法二：手动生成预测值绘图 #

之前predict报错是因为直接用了gamm的整体结果，正确做法是调用其内部的gam组件。步骤如下：

• 构造包含x1全范围、x2所有水平的新数据框
• 基于gam组件做预测，提取拟合值和标准误
• 用ggplot叠加曲线

# 假设你的原始数据集叫dat
new_data <- expand.grid(
  x1 = seq(min(dat$x1), max(dat$x1), length.out = 100), # 生成x1的连续取值
  x2 = levels(dat$x2), # 包含x2的所有分组
  f3 = dat$f3[1] # 随机效应取任意一个水平即可，不影响固定+平滑项的偏效应
)

# 基于gam组件预测，提取拟合值和标准误
pred_results <- predict(gamm_fit$gam, newdata = new_data, se.fit = TRUE)
new_data$fit <- pred_results$fit
new_data$se <- pred_results$se.fit

# 绘制偏效应曲线（若要单独看平滑项效应，可改用type = "terms"）
ggplot(new_data, aes(x = x1, y = fit, color = x2)) +
  geom_line(linewidth = 1) +
  geom_ribbon(aes(ymin = fit - 1.96*se, ymax = fit + 1.96*se), alpha = 0.2, color = NA, fill = after_scale(color)) +
  labs(x = "x1", y = "偏效应", color = "x2分组") +
  theme_minimal()

关键注意事项 #

• gamm拟合结果是一个列表，必须用gamm_fit$gam来调用gratia函数或predict，直接用gamm_fit会触发报错
• 你用到的复合对称相关性（corCompSymm）属于lme部分的设置，不会影响gam组件的平滑项提取和预测，不用为此担心

内容的提问来源于stack exchange，提问作者Molly Smith Metok