使用R的survey包在无协变量调整的简单GLM中计算预测边际

问题场景 #

已加载survey和srvyr包，构建复杂调查设计并拟合仅含截距的调查加权GLM：

library(survey) # Analysis of Complex Survey Samples
library(srvyr) # 'dplyr' inspired syntactic style

# 复杂调查设计
design <- data %>% as_survey_design(ids = HOSP_NRD, weights = DISCWT, strata = NRD_STRATUM)

# 拟合仅含截距的调查加权GLM
fit_cost <- svyglm(Costs1 ~ 1, 
                   design = design,
                   family = Gamma(link = "log")) 

# 使用svypredmeans计算预测边际均值正常运行
svypredmeans(fit_cost, ~group)

但调用marginpred计算预测边际时失败：

# 尝试计算标准化预测值（预测边际）
marginpred(fit_cost,
           predictat = data.frame(group = c("a", "b")))

报错信息：

Error in eval(e[[2L]], where) : argument "adjustfor" is missing, with no default

解决方法 #

marginpred要求必须显式指定adjustfor参数，即使模型仅包含截距项、无协变量需要调整。此时可以将adjustfor设置为~1（代表基于截距水平调整）或NULL，即可正常运行：

# 方法1：设置adjustfor为~1
marginpred(fit_cost,
           predictat = data.frame(group = c("a", "b")),
           adjustfor = ~1)

# 方法2：设置adjustfor为NULL
marginpred(fit_cost,
           predictat = data.frame(group = c("a", "b")),
           adjustfor = NULL)

原理：当模型仅含截距时，没有额外协变量需要调整均值，显式指定adjustfor参数可以满足函数的参数校验，使其正确基于调查权重计算不同group的预测边际值。

内容的提问来源于stack exchange，提问作者Alex