我想学习gam() R中使用的预测样条曲线回归。在我的代码绘制的两种方法给出了同样的形状，但在罗吉特规模反应的不同范围，似乎是一个拦截在一人失踪。两者都应该是正确的，但，为什么在范围的差异？
library(ISLR)
attach(Wage)
library(gam)
gam.lr = gam(I(wage >250) ~ s(age), family = binomial(link = "logit"), data = Wage)
agelims = range(age)
age.grid = seq(from = agelims[1], to = agelims[2])
pred=predict(gam.lr, newdata = list(age = age.grid), type = "link")
par(mfrow = c(2,1))
plot(gam.lr)
plot(age.grid, pred)
我预计，这两种方法都将给予完全一样的情节。 plot(gam.lr)绘制各组分的累加效应，因为只有在这里有一个，这样它应该给出预测分对数函数。该预测方法也给我估计在链路规模。但实际的输出在不同的范围。第一种方法的最小值是-4，而所述第二的是小于-7。
第一条曲线仅是估计的平滑函数s(age)的。平滑受到识别性约束中用于parametrise平滑的基础扩张，存在被完全与截距混淆功能的功能或组合。因此，你可以不适合顺利和截距在相同的模型，你可以减去截距一定的价值，并将其添加回顺利和你有同样的健康，而且不同的系数。正如你可以加减值的无限你的车型的无限供给，这是没有帮助的。
因此可识别性约束施加到基础扩展，并且一个是最有用的是确保在协变量的范围的平滑总和为零。这涉及定心平滑在0℃，用截距然后表示响应的总体平均值。
所以，第一个情节是光滑的，除本和为零的约束，所以它横跨0在这个模型中的截距是：
> coef(gam.lr)[1]
(Intercept)
-4.7175
如果你在这个情节内容添加到值，你在第二个情节，这是完整的模型，您所提供的数据，拦截+ F（年龄）的应用价值。
这一切也发生在链路规模，日志赔率规模，因此所有的负值。