plot_slopes 无法计算迭代函数中的预测回归模型值，但可以预测函数外部的每个值

Question

这是一个很难回答的问题，因为我无法提供实际的复制数据（抱歉，数据太大/敏感），但我会感激任何人的想法。我在这里使用示例数据来显示代码的结构，尽管此代码不会产生我在下面详细说明的错误。

我有一个复杂的函数，我在其中执行多重回归来隔离交互效应，并使用精彩的

plot_slopes

包中的

marginaleffects

函数将它们绘制在一起。我的代码结构如下。

library(tidyverse)
library(marginaleffects)

outcome_var_list = c("mpg","cyl","hp")
interact_var_list =  c("am","wt")
subset_var_list = c("3","4")

combos = expand.grid(outcome_var_list, subset_var_list)


model_ <- function(k,c){

mtcars = mtcars[mtcars$gear == c,]

outcome_var_list = outcome_var_list[outcome_var_list == k] 

results = list()
  for (r in interact_var_list) {
    f = paste(k, "~", r, "*factor(vs)")
    m = lm(f, subset(mtcars, carb %in% c(1,2,3,4)))
    s = plot_slopes(m, variables = r, condition = "vs", draw = FALSE)
    tmp = s[, c("estimate", "conf.low", "conf.high", "vs")]
    tmp$outcome = k
    tmp$regressor = r
    results = c(results, list(tmp))
  }
results = do.call("rbind", results)  


plot1 = results %>% 
  mutate(min = min(conf.low), max = max(conf.high)) %>% 
  ggplot(aes(x=factor(vs), 
             y=estimate, 
             color = regressor, 
             ymin=conf.low, 
             ymax=conf.high)) + 
  geom_errorbar(position = position_dodge(0.4)) + 
  geom_point(position = position_dodge(0.4)) + 
  scale_x_discrete(expand = c(0,0)) + 
  theme_light() + 
  ggtitle(label = paste0("Model 1: ",k)) + 
  theme(plot.title = element_text(hjust = 0.5)) + 
  labs(y= "Interaction Coefficient", x = "X") + 
  theme(plot.title = element_textbox_simple(vjust=-1)) +
  theme(plot.margin = margin(2,0,0,0, "cm")) + 
  theme(axis.text.x = element_text(size = 5))

  ggsave(plot1,file=paste0("plot_",k,".png"),path=paste0(c))

}


safe_model <- safely(model_)
iterate <-mapply(safe_model,combos$Var1,combos$Var2)

当我在添加额外的

subset_var_list

之前运行此操作时，一切都生成得很好。

但是，当我添加子集 var 并切换到 mapply 时，我现在为数据的整个子集生成模型，其中只有几个

outcome_var

可以生成要保存的图。我认为这是由于缺乏覆盖范围或其他原因，所以我删除了

safely

，这揭示了以下错误：

Error: Unable to compute predicted values with this model. You can try to supply a different dataset to the `newdata` argument.
  If this does not work, you can file a report on the Github Issue Tracker:
  https://github.com/vincentarelbundock/marginaleffects/issues

我再次假设这是由于缺乏覆盖/变化，所以我尝试为每个单独的交互回归手动运行

plot_slopes

，而不是通过函数，并且每个单独的图/回归都成功为其中一个子集生成，否则不会生成绘图。所以这似乎不是模型的问题/缺乏变化。

我可能会误解错误消息中提出的

newdata

参数是如何工作的，但它似乎拥有执行任务的完整数据，并且这应该没有任何优势。是否有理由解释为什么回归/斜率模型可以单独/手动生成，而当放在这个函数中时却无法预测它们？我怎样才能解决这个问题并为每个子集创建我需要的所有绘图？

Answer 1

无论如何使用 tidyverse，您可以创建一个具有所需组合的网格（

expand.grid

），并使用一列来扩展此数据框来保存模型，另一列来保存绘图对象以供进一步使用（将它们保存为副作用）一路上）。 注意使用

rowwise()

和

list()

将任意对象放入数据框单元格中:

library(dplyr)
library(ggplot2)

## subset mtcars once only (unless you want different subsets
## per row):
d <- subset(mtcars, carb %in% 1:4)

result <- 
  expand.grid(outcome = c('mpg','cyl','hp'),
              regressor = c('am', 'wt')
              ) |>
  rowwise() |>
  mutate(model = list(
           lm(sprintf('%s ~ %s * factor(vs)', outcome, regressor), data = d)
         ),
         slopes = list(slopes(model)),
         plots = list({p <- ggplot(data = slopes) +
                    geom_point(aes(factor(vs), estimate, color = term))
                    ## save the plot as you go:
                    ggsave(p, filename = sprintf('plot_%s_%s.png', outcome, regressor))
                    p ## return the plot object
         })
         )

输出：

## # A tibble: 12 x 6
## # Rowwise: 
##    outcome gear  regressor model  slopes             plots 
##    <fct>   <fct> <fct>     <list> <list>             <list>
##  1 mpg     3     am        <lm>   <slopes [60 x 15]> <gg>  
##  2 cyl     3     am        <lm>   <slopes [60 x 15]> <gg>  
##  3 hp      3     am        <lm>   <slopes [60 x 15]> <gg> 

根据需要挑选和重复使用对象，例如。克：

> result$model[[3]]

Call:
lm(formula = sprintf("%s ~ %s * factor(vs)", outcome, regressor), 
    data = d)

Coefficients:
   (Intercept)              am     factor(vs)1  am:factor(vs)1  
        194.17          -50.42          -92.02           28.85