使用marginaleffects::plot_predictions绘制GLMM交互预测遇矩阵列错误

概述 #

尝试使用marginaleffects::plot_predictions()绘制广义线性混合模型（GLMM）的预测结果，以下为最小可复现示例。

目标 #

希望绘制以下GLMM中scaled_exp * Agreement * Condition * Group四元交互的预测结果：

glmer(Acceptance ~  scaled_exp * Agreement * Condition * Group +
                    scaled_age * Agreement * Group +
                    (1 | Item) +
                    (1 + Condition | Subject)

但发现若conditions列表未包含所有预测变量（scaled_age仅作为控制变量，无需纳入绘图），marginaleffects::plot_predictions()会出现异常——仅GLMM存在此问题，线性混合模型LMM无此问题，推测与模型类型相关。执行时触发如下错误：

警告：矩阵列不被支持作为预测变量，因此已被省略。这可能会影响感兴趣指标的计算。您可以自行构建预测数据集并显式传入newdata参数。
警告：部分列为多列类型（如矩阵列）：[2, 6]。setDT将保留这些列，但后续分组、连接等操作可能失败。请考虑使用as.data.table()，它会为每个嵌入列创建新列。
错误：无法使用此模型计算预测值。您可以尝试向newdata参数传入其他数据集。同时触发错误：object 'scaled_age' not found。

最小可复现示例（MWE） #

# 加载必要的包
library(lme4)
library(tidyverse)
library(marginaleffects)

# 创建示例数据集
set.seed(123)
n <- 5000

sample_data <- tibble(
  Subject = as.factor(rep(1:500, each = 10)),  # 增加被试数量
  Group = factor(rep(c("Group1", "Group2"), each = n / 2)),
  Item = sample(1:120, n, replace = TRUE),
  Condition = factor(rep(c("Cond1", "Cond2"), times = n / 2)),
  Agreement = factor(sample(c("Agree", "Disagree"), n, replace = TRUE)),
  Acceptance = rbinom(n, 1, 0.5),
  scaled_age = scale(rnorm(n, 40, 15)),
  scaled_exp = scale(rnorm(n, 0.3, 1.4))
)

# 拟合广义线性混合模型
glmm_mod <- glmer(Acceptance ~ 
                    scaled_exp * Agreement * Condition * Group +
                    scaled_age * Agreement * Group +
                    (1 | Item) +
                    (1 + Condition | Subject), 
                  data = sample_data, 
                  family = binomial, 
                  control = glmerControl(optimizer = "bobyqa", optCtrl = list(maxfun = 100000)))

# 使用plot_predictions()生成四元交互的预测图
plot_predictions(
  glmm_mod,
  condition = list("scaled_exp", "Agreement", "Condition", "Group"),
  re.form = NA
) +
  aes(linetype = Agreement) +  # 将线型映射到Agreement
  facet_wrap(~ Group + Condition, ncol = 4) +
  scale_color_manual(values = c("Agree" = "blue", "Disagree" = "red")) +
  scale_fill_manual(values = c("Agree" = "blue", "Disagree" = "red")) +
  scale_linetype_manual(values = c("Agree" = "solid", "Disagree" = "longdash")) +  
  theme_classic() +
  labs(x = "标准化经验值", y = "接受概率预测值")

内容的提问来源于stack exchange，提问作者user9974638