MGCV：与包括 NA 在内的因素的三路相互作用

问题描述

使用 GAM（mgcv-package），我想通过 Happiness（数字）、Salary（因子）和 Education 的数量预测 Years {1}}（数字）在大学度过。 Years 仅产生属于 Education 级别 MA 或 MSc 的观察值。数据框具有以下结构：

  Happiness  Salary  Education  University-Years
1        60    1000         no                NA
2        80    1000         MA                 5
3        39    1500     Abitur                NA
4        40    2000        MSc                 6
5        69    1500     Abitur                NA
6        90    1500     Abitur                NA
7       100    1000         MA                 6
8        30    2500        Msc                 4
...     ...     ...       ...    ...

模型 model1 <- bam(Happiness ~ s(Salary,by=Education)); summary(model1) 表明 Salary 和 Education 之间存在显着的相互作用。我想调查此交互是否受 University-Years 调制。但是，拟合 model2 <- bam(Happiness ~ te(Salary,University-Years,by=Education)) 仅适用于没有 NAs 的行。所以 model1 和 model2 的 AIC 没有可比性，因为模型拟合了不同的数据集。

是否有一种方法可以构建 model2 以便仅在 Salary 的情况下包含 University-Years、Education 和 Education==(MA|MSc) 之间的三向交互，否则为Salary 和 Education 之间的双向交互？最后，我想通过他们的 AIC 分数来比较 model1 和 model2。

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）