emmeans()与fct_na_value_to_level()联用的一致性Bug

先给出最小复现代码，方便复现问题：

library(forcats)
library(emmeans)

# 构造测试数据
set.seed(123)
df <- data.frame(
  tension = factor(sample(c("low", "medium", "high", NA), 100, replace = TRUE)),
  strength = rnorm(100, 20, 3)
)

# 不指定新层级名，转换NA为因子水平后调用emmeans报错
df$tension_na_level2 <- fct_na_value_to_level(df$tension)
model2 <- lm(strength ~ tension_na_level2, data = df)
# emmeans(model2, ~ tension_na_level2)  # 执行会抛出"indice hors limites"错误

# 指定新层级名，转换后调用emmeans正常
df$tension_na_level1 <- fct_na_value_to_level(df$tension, level = "Missing")
model1 <- lm(strength ~ tension_na_level1, data = df)
emmeans(model1, ~ tension_na_level1)  # 正常输出结果

问题根源拆解 #

1. forcats两种用法的本质差异 #

当你不指定level参数时，fct_na_value_to_level()会把NA直接作为因子的一个层级名称——注意这里的层级名是真正的缺失值，不是字符串"NA"。你可以用levels()函数验证：

levels(df$tension_na_level2)
# 输出是: [1] "high"   "low"    "medium" NA

而指定level = "Missing"时，生成的是字符串类型的层级名，所有层级都是合法的非缺失字符串：

levels(df$tension_na_level1)
# 输出是: [1] "high"    "low"     "medium"  "Missing"

2. emmeans的索引逻辑缺陷 #

emmeans在提取模型的因子水平估计值时，依赖可被索引的非缺失层级名称。当因子层级里混有NA作为名称时，emmeans内部尝试通过名称匹配索引对应结果时，NA无法作为有效索引键，直接触发了下标越界的错误。

说白了，这是两个包的处理规则冲突：forcats允许NA当层级名，但emmeans没考虑这种极端情况，导致代码报错。

解决办法 #

1. 最稳妥：显式指定层级名
   调用fct_na_value_to_level()时，一定要通过level参数传一个字符串（比如"Missing"、"NA"），别让它默认生成NA作为层级名。

2. 事后补救：修改已生成的因子层级
   如果已经生成了含NA层级名的因子，可以手动替换掉这个层级名：

levels(df$tension_na_level2)[is.na(levels(df$tension_na_level2))] <- "NA"

修改后再调用emmeans()就能正常运行了。

内容的提问来源于stack exchange，提问作者doana