R语言marginaleffects包：使用map函数调用predictions的正确语法

你的核心问题是错误地将字符串传给了datagrid，!!运算符只能解析符号/表达式，无法直接解析字符串，导致datagrid无法识别你指定的变量范围，同时也没正确触发默认的其他变量参考值逻辑。下面是两种可行的修正方案：

方案1：用命名列表传递参数 #

直接构造包含目标变量范围的命名列表，通过do.call调用datagrid，这种方式直观且不易出错：

library(marginaleffects)
library(purrr)

# 构造参数列表：每个元素对应一个要分析的变量及其范围
param_list <- list(
  list(var1 = 1:10),
  list(var2 = 21:30)
)

# 批量生成预测值，其他变量自动使用datagrid默认的参考值（数值取均值、分类取众数）
pred_list <- map(param_list, \(params) {
  predictions(my_model, newdata = do.call(datagrid, params))
})

方案2：用表达式传递参数 #

如果更习惯用表达式语法，可以用expr()构造变量范围的表达式，再通过!!解析：

library(marginaleffects)
library(purrr)

# 构造表达式列表
param_exprs <- list(
  expr(var1 = 1:10),
  expr(var2 = 21:30)
)

# 批量计算预测值
pred_list <- map(param_exprs, \(expr) {
  predictions(my_model, newdata = datagrid(!!expr))
})

示例验证（用mtcars数据） #

为了让你更直观看到效果，这里用内置数据集演示完整流程：

# 构建示例模型
my_model <- lm(mpg ~ hp + wt, data = mtcars)

# 定义要分析的变量范围
param_list <- list(
  list(hp = seq(100, 200, by = 10)),  # hp从100到200，步长10
  list(wt = seq(2, 4, by = 0.2))      # wt从2到4，步长0.2
)

# 批量生成预测值
pred_list <- map(param_list, \(params) {
  predictions(my_model, newdata = do.call(datagrid, params))
})

# 查看结果
head(pred_list[[1]])  # hp对应的预测值
head(pred_list[[2]])  # wt对应的预测值

内容的提问来源于stack exchange，提问作者user167591