pool.compare生成不可编译的参数错误

备选标题：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），但我一直得到以下错误：

模型中存在错误。矩阵（公式、数据）%*%coefs:不一致参数

二进制运算符

%*%

表示R中的矩阵乘法

表达式

model.matrix（公式，数据）

生成“具有指定公式和数据的类回归模型的设计矩阵”（来自R文档中的model.matrix{stats}）

在错误消息中，

coefs

来自

est1$qbar

，其中

est1

是mipo对象，

qbar

元素是“完整数据估计的平均值。多重插补估计值”。（来自mipo类{mice}的文档）

就我而言

• est1$qbar

  是长度为36的数字向量

• data

  是一个包含82个变量的918个观测值的data.frame

• formula

  是包含我的模型公式的类“formula”

• 模型。矩阵（公式、数据）

  是一个维度为918 x 48的矩阵

---

如何解决/防止此错误？

正如偶尔发生的那样，我在写问题时找到了自己问题的答案

线索一是，只有当数据中存在分类变量的水平时，

est1.qbar

中分类变量的估计才存在。我的一些变量是因子变量，并不是每个级别都有表示。这导致了警告“由于缺少级别，因子变量名中的对比度下降”，我愚蠢地忽略了这一警告

另一方面，查看

dimnames（model.matrix.temp）[[2]]

显示，模型矩阵中每个因子变量的每个级别都有一列，而不管该变量的级别是否存在于数据中。因此，尽管缺失因子水平的对比度在估计系数方面有所下降，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大于

est1.qbar

（估计系数的向量）的长度，因此矩阵乘法不起作用

---

这里的答案是修正因子变量，这样就没有未使用的级别。这可以通过

factor（）

函数来完成（如上所述）。不幸的是，在插补之前，这需要在原始数据集上完成。

这更多的是关于R的工作原理，而不是统计本身。它可能是在上而不是在这里。我们可以把它移植到那里。你认为我应该把问题的标题改成更面向代码吗？很难说；这取决于你。