为什么 mgcviz 不使用合适的散点图来拟合 QGAM？

Question

正如标题所示，正常的散点图以及数据的默认 GAM 拟合应该如下所示：

#### Libraries ####
library(tidyverse)
library(mgcViz)
library(qgam)
library(quantreg)

#### Save Data as Tibble ####
data("barro")
tib <- as_tibble(MASS::mcycle)
tib

#### Inspect Scatterplot ####
tib %>% 
  ggplot(aes(x=times,
             y=accel))+
  geom_point(alpha=.4)+
  theme_classic()+
  geom_smooth(method = "gam",
              formula = y ~ s(x))+
  labs(x="Times",
       y="Acceleration",
       title = "Normal Fitted GAM")

从这里安装 QGAM 非常简单：

#### Set Quants and Fit Multiple Quantile GAM ####
q <- c(.2,.5,.8)

fit <- mqgam(accel ~ s(times),
             data = tib, 
             q=q)

但是，绘制每个分位数图表明

mgcViz

包中 QGAM 的绘图机制与应存在的数据点不匹配。在这里，我仅选择 0.20 分位数拟合来显示正在发生的情况，并使用与 此处所示 相同的代码。

#### Save QDO Objects ####
q2 <- qdo(fit,.2)

#### Grab Visual Data ####
pg2 <- getViz(q2)

#### Plot in MGCVIZ ####
final.plot <- plot(pg2, 
                   select = 1)
final.plot +
  l_fitLine(colour = "red") +
  l_rug(mapping = aes(x=x, 
                      y=y), 
        alpha = 0.8) +
  l_ciLine(mul = 5, 
           colour = "blue", 
           linetype = 2) + 
  l_points(shape = 19, 
           size = 1, 
           alpha = 0.1) + 
  theme_classic()

在这里您可以看到 y 轴上的某些值与原始图上应有的位置不匹配，此处用绿色圈出：

如何解决这个问题？

Answer 1

图中的点是“部分残差”，而不是数据。残差是针对模型定义的；改变模型，部分残差就会改变。当您拟合较低的尾分位数时，我预计相反尾部极端的一些观察结果拟合不佳，因此具有较大的部分残差。 请注意，您用绿色圈出的大部分残差（一个圆圈不包含残差点，因此不确定那里发生了什么？）是数据具有高方差的地方，因此数据更加分散。因此，我预计这里会有更大的部分残差，因为对于您正在建模的分布的相反尾部有更多极端的观察结果。