marginModelPlots 错误“需要有限的 'xlim' 值”答案

【问题标题】：marginalModelPlots error "need finite 'xlim' values"marginModelPlots 错误“需要有限的 'xlim' 值”
【发布时间】：2016-04-14 02:10:42
【问题描述】：

我正在尝试对二元逻辑回归模型进行一些诊断。具体来说，边际模型图。不幸的是，我不断收到“需要有限的'xlim'值”错误。下面的代码重现了该问题。我的模型包括数字变量和分类变量（在模型中被转换为虚拟变量）。无论如何，我知道当所有值都为 NA 时会发生此错误，但我的任何数据都不是这种情况，我不确定发生了什么。

set.seed(020275)
df <- data.frame(y=sample(c(0,1), 10, replace=TRUE), 
             cat=sample(c("Red", "Blue", "Green"), 10, replace=TRUE), 
             loc=sample(c("North", "South", "East", "West"), 10,  replace=TRUE), 
             count=runif(10, 0, 10),
             stringsAsFactors = FALSE)

glmModel <- glm(y ~ cat + loc + count, family=binomial(), data=df)
glmModel

library(car)
marginalModelPlots(glmModel)

我收到以下错误：

Error in plot.window(...) : need finite 'xlim' values
In addition: Warning messages:
1: In xy.coords(x, y, xlabel, ylabel, log) : NAs introduced by coercion
2: In min(x) : no non-missing arguments to min; returning Inf
3: In max(x) : no non-missing arguments to max; returning -Inf

寻找一些关于如何处理这个问题的想法/建议/指导。

【问题讨论】：

你试过用：mmp(glmModel) 代替吗？
对，好点。 mmp 有效，但我只看到整个线性预测图。我也在寻找单个预测器图（包含在函数的 mmps 版本中）。

标签： r r-car

【解决方案1】：

看来character 数据类型向量（上例中的cat 和loc）与marginalModelPlots 不兼容，至少对于我当前使用的汽车包版本（2.1-1）而言。我发现我可以使用 terms 参数将图限制为变量的子集，同时还包括线性预测图（如下所示）。

marginalModelPlots(glmModel, terms= ~ count)

【讨论】：