Geographically Weighted Negative Binomial代码报错：矩阵乘法维度不兼容

问题原因 #

矩阵乘法报错non-conformable arguments本质是第一个矩阵的列数≠第二个矩阵的行数，结合你修改预测变量的操作，可能的具体原因：

• 修改预测变量后，设计矩阵X的列数发生变化，但系数矩阵bxx的初始化行数未同步调整，导致维度错位。
• 数据处理时，新增/删除的预测变量存在缺失值，导致X实际有效列数与预期不符，或局部回归窗口内的样本因缺失值过滤后，X列数缩减。
• 变量筛选逻辑（如select或手动剔除变量）未同步更新模型中所有涉及系数维度的代码片段。

解决方法 #

1. 先定位维度不匹配的具体情况 #

在报错代码前添加维度打印代码，明确X和bxx的实际维度：

# 打印维度信息
cat("设计矩阵X的维度：", paste(dim(X), collapse = "×"), "\n")
cat("系数矩阵bxx的维度：", paste(dim(bxx), collapse = "×"), "\n")
# 执行矩阵乘法
as.matrix(X) %*% as.matrix(bxx)

运行后对比两者的列数（X的第二维）和行数（bxx的第一维），确认是否不相等。

2. 同步更新系数矩阵的维度 #

如果是因为新增/删除预测变量导致X列数变化，找到代码中初始化bxx的部分（通常是matrix()或类似赋值），将其行数设置为ncol(X)，例如：

# 替换原来的bxx初始化代码，确保行数与X列数一致
bxx <- matrix(0, nrow = ncol(X), ncol = 1)

3. 清理预测变量数据 #

• 检查预测变量是否存在全缺失列，这类列会无效占用X的列数：

  # 查看各列缺失值数量
  colSums(is.na(X))
  # 删除全缺失列
  X <- X[, colSums(is.na(X)) < nrow(X)]
  

• 提前处理全局数据的缺失值，避免局部窗口内样本因缺失值过滤导致X列数异常：

  # 剔除包含缺失值的行
  data <- na.omit(data)
  # 重新构建设计矩阵X
  X <- model.matrix(~ var1 + var2 + var3, data = data) # 替换为你修改后的预测变量
  

4. 检查局部回归的变量一致性 #

地理加权模型中，局部窗口内的样本需保证预测变量列数与全局X一致：

• 避免在局部回归中单独筛选变量，确保局部X的列数和全局X完全匹配。
• 如果使用自定义权重函数，确认权重计算后未过滤掉导致X维度变化的样本。

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