在检查因子水平和缺失数据后，`ggeffect` 或 `Effect` 无法估计模型中的边际效应

Question

使用 haven 从包含标签的数据集中导入的数据，我无法使用包 ggeffects 中的 ggeffect() 或包 Effect() 中的边际效应 effects

使用这些函数时会提示错误，尽管已经检查了模型预测变量中的级别数和缺失个案。解释了如何调试这些最后的案例，避免空因子水平或缺失案例，这将阻碍获得边际效应。

虽然，在没有这些问题的情况下，我仍然收到来自 ggeffect() 的错误消息：Can't compute marginal effects, 'effects::Effect()' returned an error.；或在 effects::Effect() 中：Error in eval(parse(text = x, keep.source = FALSE)[[1L]]) 因为未找到某些预测对象。

我还可以检查什么数据来计算边际效应？

Answer 1

阻碍使用 effects::Effect()（或使用相同函数的 ggpredict::ggeffect()）计算边际效应的另一个原因是数据中存在标记变量，即 class haven_labelled。在使用 haven 库导入外部格式（例如 SPSS、Stata、SAS）的数据集时，这种 class 变量很常见。

在下面的例子中很清楚问题是什么时候出现的：

# Load libraries
library(ggeffects)
library(haven)

# Fit model with no labelled variables
ex1 <- lm(mpg ~ cyl,
               data = mtcars)
ggeffect(ex1, term = c("cyl"))
#> 
#> # Predicted values of mpg
#> # x = cyl
#> 
#> x | Predicted |   SE |         95% CI
#> -------------------------------------
#> 4 |     26.38 | 0.90 | [24.53, 28.23]
#> 6 |     20.63 | 0.57 | [19.47, 21.79]
#> 8 |     14.88 | 0.81 | [13.22, 16.54]

# Label one value of variable cyl
mtcars$cyl2 <- labelled(mtcars$cyl, labels = c("6" = 6))

# Fit model with the value-labelled variable cyl2
ex2 <- lm(mpg ~ cyl2,
               data = mtcars)
ggeffect(ex2, term = c("cyl2"))
#> Can't compute marginal effects, 'effects::Effect()' returned an error.
#> 
#> Reason: non-conformable arguments
#> You may try 'ggpredict()' or 'ggemmeans()'.
#> NULL
effects::Effect(ex2, "cyl2")
#> Error in eval(parse(text = x, keep.source = FALSE)[[1L]]): object 'cyl2' not found

要检查您的数据中是否有 haven_labelled 类型的列，您可以使用 str(data) 并将持有此 class 的人更改为相关的人。检查 class 的一种方法例如，您可以使用以下代码检查列的 classes：

library(haven)
mtcars$cyl2 <- labelled(mtcars$cyl, labels = c("6" = 6))
str(mtcars)
#> 'data.frame':    32 obs. of  12 variables:
#>  $ mpg : num  21 21 22.8 21.4 18.7 18.1 14.3 24.4 22.8 19.2 ...
#>  $ cyl : num  6 6 4 6 8 6 8 4 4 6 ...
#>  $ disp: num  160 160 108 258 360 ...
#>  $ hp  : num  110 110 93 110 175 105 245 62 95 123 ...
#>  $ drat: num  3.9 3.9 3.85 3.08 3.15 2.76 3.21 3.69 3.92 3.92 ...
#>  $ wt  : num  2.62 2.88 2.32 3.21 3.44 ...
#>  $ qsec: num  16.5 17 18.6 19.4 17 ...
#>  $ vs  : num  0 0 1 1 0 1 0 1 1 1 ...
#>  $ am  : num  1 1 1 0 0 0 0 0 0 0 ...
#>  $ gear: num  4 4 4 3 3 3 3 4 4 4 ...
#>  $ carb: num  4 4 1 1 2 1 4 2 2 4 ...
#>  $ cyl2: 'haven_labelled' num  6 6 4 6 8 6 8 4 4 6 ...
#>   ..- attr(*, "labels")= Named num 6
#>   .. ..- attr(*, "names")= chr "6"

在检查因子水平和缺失数据后，`ggeffect` 或 `Effect` 无法估计模型中的边际效应

`ggeffect` or `Effect`cannot estimate marginal effects in model after checking factor levels and missing data

r

r-haven

marginal-effects