在DHARMa包中使用权重时如何避免数组不兼容错误？

错误原因分析 #

这个错误是因为DHARMa在模拟带权重的二项模型时，默认将权重解读为二项试验的重复次数（即每个样本对应weights次独立试验，Y是成功次数），但你使用的是逆频率权重（用于缓解类别不平衡的频率权重），两者语义不匹配，导致模拟时数组维度计算出错。同时，floor()将权重转为整数，进一步强化了DHARMa对“试验次数”的误判。

具体解决步骤 #

1. 修正权重计算，保留数值型权重 #

去掉floor()，直接使用浮点型的逆频率权重，避免DHARMa误判为试验次数：

# 计算类别频率
class_freq <- table(df[[outcome_name]])
# 计算逆频率权重（保留浮点型）
weights <- max(class_freq) / class_freq
# 添加权重到数据框
df$weights <- weights[df[[outcome_name]]]

2. 调整DHARMa模拟参数，适配频率权重 #

在simulateResiduals()中，明确指定模拟时使用频率权重而非试验次数，通过参数适配：

model <- glm(formula = Y ~ X + cov1 + cov2 + cov3, 
             family = "binomial", data = df, weights = weights)
library(DHARMa)
# 模拟残差时指定响应类型，确保权重正确传递
simulationOutput <- simulateResiduals(fittedModel = model, 
                                      type = "response",
                                      refit = FALSE)

3. 备选方案：手动计算加权残差（若上述方法仍报错） #

如果DHARMa仍无法处理，可手动计算加权标准化残差，再用DHARMa工具可视化：

# 计算加权皮尔逊残差
model$weighted_residuals <- residuals(model, type = "pearson") * sqrt(model$weights)
# 将手动计算的残差传入DHARMa
simulationOutput <- createDHARMa(simulatedResponse = simulate(model, nsim = 100),
                                 observedResponse = model$y,
                                 fittedPredictedResponse = fitted(model),
                                 residuals = model$weighted_residuals)
# 绘制诊断图
plot(simulationOutput)

额外注意事项 #

• 逆频率权重本质是加权最大似然估计，需确保权重合理性：少数类权重为max(class_freq)/minor_freq，多数类为1，避免权重过大导致模型过拟合。
• 若必须使用整数权重，可在simulateResiduals()中手动指定weights = df$weights，明确告知DHARMa这是频率权重而非试验次数。

内容的提问来源于stack exchange，提问作者JuM24