如何用gratia::draw()绘制HGAM中独立于全局平滑的偏效应图？

要在包含全局平滑的HGAM模型中同时展示全局趋势和各Lake的完整个体趋势（全局+个体偏差），直接用gratia::draw()默认输出做不到——因为它只会单独展示每个平滑项的偏效应（全局平滑是单独一条，个体平滑是相对于全局的偏差）。但可以通过提取平滑项估计值并手动合并的方式，实现类似draw()风格的组合图，同时满足你在单个模型中展示两种趋势的需求。

具体步骤与代码示例 #

假设你已经拟合了目标模型：

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

# 你的含全局平滑的HGAM模型
hgam_gi <- gam(Depth~Lake+s(OrdDay,bs="cc")+s(OrdDay,by=Lake,bs='cc')+s(Lake,bs="re"),data=df,family=nb)

1. 提取平滑项估计值
   分别提取全局平滑和各Lake的个体偏差平滑的结果：

# 提取全局平滑s(OrdDay)的估计与标准误
global_smooth <- smooth_estimates(hgam_gi, smooth = "s(OrdDay)")

# 提取每个Lake相对于全局的偏差平滑s(OrdDay):Lake的估计与标准误
individual_deviations <- smooth_estimates(hgam_gi, smooth = "s(OrdDay):Lake")

2. 计算各Lake的完整个体趋势
   将全局平滑的估计值与对应Lake的偏差相加，得到每个Lake的完整平滑趋势，并合并标准误：

full_individual_trends <- individual_deviations %>%
  left_join(global_smooth, by = "OrdDay", suffix = c("_dev", "_global")) %>%
  mutate(
    fitted = est_dev + est_global,  # 全局+个体偏差=完整个体趋势
    se_fitted = sqrt(se_dev^2 + se_global^2)  # 合并标准误
  )

3. 绘制组合偏效应图
   用ggplot2（gratia底层依赖）绘制全局趋势+各Lake完整个体趋势，风格贴近draw()的简约感：

ggplot() +
  # 绘制全局平滑（加粗黑色线+置信区间）
  geom_line(data = global_smooth, aes(x = OrdDay, y = est), color = "black", linewidth = 1.2) +
  geom_ribbon(data = global_smooth, aes(x = OrdDay, ymin = est - 1.96*se, ymax = est + 1.96*se), 
              alpha = 0.2, fill = "black") +
  # 绘制各Lake的完整个体趋势（彩色线+置信区间）
  geom_line(data = full_individual_trends, aes(x = OrdDay, y = fitted, color = Lake)) +
  geom_ribbon(data = full_individual_trends, aes(x = OrdDay, ymin = fitted - 1.96*se_fitted, 
                                                 ymax = fitted + 1.96*se_fitted, fill = Lake), 
              alpha = 0.1) +
  # 调整标签与主题
  labs(x = "Ordinal Day", y = "Partial Effect (Depth)", 
       title = "Global Smooth + Individual Lake Trends from HGAM") +
  theme_minimal()

补充说明 #

• 如果你需要包含模型中s(Lake, bs="re")的随机效应，可以在计算时额外提取随机效应的估计值并加入到fitted中，但通常偏效应图聚焦于平滑项的趋势，随机效应更多是捕捉组间的固定差异。
• 这种方法本质是基于平滑项的偏效应计算，和predict.gam()输出的完整模型预测不同——后者会包含Lake固定效应、随机效应等所有项，而这里只展示平滑部分的趋势，更符合你“偏效应图”的需求。

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