pool.compare 生成不一致的参数错误

Question

替代标题：模型矩阵和系数集显示不同数量的变量

我正在使用 R 的 mice 包进行一些分析。我想使用 pool.compare() 比较两个模型（保存在 mira 对象中），但我不断收到以下错误：

Error in model.matrix(formula, data) %*% coefs : non-conformable arguments

二元运算符%*%表示R中的矩阵乘法。

表达式model.matrix(formula, data) 产生“具有指定公式和数据的类回归模型的设计矩阵”（来自 R model.matrix {stats} 的文档强>)。

在错误消息中，coefs 是从est1$qbar 中提取的，其中est1 是一个mipo 对象，qbar 元素是“完整数据估计的平均值。多重插补估计。” （来自 mipo-class {mice} 的文档）。

就我而言

• est1$qbar 是一个长度为 36 的数值向量
• data 是一个 data.frame，包含 82 个变量的 918 个观测值
• formula 是包含我的模型公式的“公式”类
• model.matrix(formula, data) 是一个尺寸为 918 x 48 的矩阵。

如何解决/防止此错误？

Answer 1

偶尔会发生，我在写问题时找到了自己问题的答案。

我的线索是，est1.qbar 中的分类变量的估计值仅在数据中存在该变量的该级别时才存在。我的一些变量是因子变量，并非代表每个级别。这导致警告“由于缺少级别，对比度从因子 变量名 下降”，我愚蠢地忽略了。

另一方面，查看dimnames(model.matrix.temp)[[2]] 表明模型矩阵对于每个因子变量的每个水平都有一列，无论该变量的水平是否存在于数据中。因此，尽管在估计系数方面缺失因子水平的对比下降了，但这些因子水平仍然出现在模型矩阵中。这意味着模型矩阵的列数超过了est1.qbar（估计系数的向量）的长度，因此矩阵乘法不起作用。

这里的答案是修复因子变量，以便没有未使用的级别。这可以通过factor() 函数来完成（如here 所述）。不幸的是，这需要在插补之前在原始数据集上完成。