使用svyplot绘制svyimputationList对象时多图输出及报错求助

问题原因 #

当前方法行不通的核心原因有两点：

• svyplot是直接生成图形的函数，在with(scf_design, svyplot(...))中调用时，会自动遍历每个多重填补数据集并单独生成图像，因此会输出多张独立图。
• scf_MIcombine（基于mitools::MIcombine）是用来合并统计量估计值与方差的工具（比如均值、比例的估计），它需要处理带有vcov方法的对象，但svyplot返回的是绘图对象，没有对应的方差计算方法，所以会抛出no applicable method for 'vcov' applied to an object of class "NULL"错误。

解决方案 #

要生成一张合并所有多重填补结果、正确应用调查权重的图像，需要先从每个填补数据集中提取加权统计量，合并后再手动绘图。以下是针对连续变量debt的两种常见绘图场景的实现：

场景1：合并加权密度图

library(survey)
library(mitools)

# 从每个填补数据集提取加权密度估计结果
dens_list <- with(scf_design, svydensity(~debt, n = 1000))

# 合并所有填补数据集的密度纵坐标值
dens_combined <- MIcombine(lapply(dens_list, function(x) x$y))

# 提取横坐标（所有填补数据集的横坐标一致，取第一个即可）
x_vals <- dens_list[[1]]$x

# 计算合并后的密度估计值及95%置信区间
est_dens <- dens_combined$coefficients
se_dens <- sqrt(diag(dens_combined$variance))
lower_ci <- est_dens - 1.96 * se_dens
upper_ci <- est_dens + 1.96 * se_dens

# 绘制合并后的密度图
plot(x_vals, est_dens, type = "l", lwd = 2, col = "blue",
     xlab = "债务", ylab = "加权密度", main = "2016 SCF 债务加权密度（多重填补合并）")
lines(x_vals, lower_ci, col = "gray", lty = 2)
lines(x_vals, upper_ci, col = "gray", lty = 2)
legend("topright", legend = c("合并估计值", "95%置信区间"),
       col = c("blue", "gray"), lty = c(1, 2), lwd = c(2, 1))

场景2：合并加权直方图

# 从每个填补数据集提取加权直方图数据（不直接绘图）
hist_list <- with(scf_design, svyhist(~debt, breaks = 20, plot = FALSE))

# 合并所有填补数据集的区间频数
hist_counts <- MIcombine(lapply(hist_list, function(x) x$counts))

# 计算合并后的频数估计值及95%置信区间
est_counts <- hist_counts$coefficients
se_counts <- sqrt(diag(hist_counts$variance))
lower_counts <- est_counts - 1.96 * se_counts
upper_counts <- est_counts + 1.96 * se_counts

# 获取区间断点与中点
breaks <- hist_list[[1]]$breaks
midpoints <- (breaks[-1] + breaks[-length(breaks)]) / 2

# 绘制带置信区间的合并直方图
barplot(est_counts, names.arg = round(midpoints, 2), col = "lightblue",
        xlab = "债务区间", ylab = "加权频数", main = "2016 SCF 债务加权直方图（多重填补合并）")
arrows(x0 = 1:length(est_counts), y0 = lower_counts, y1 = upper_counts,
       angle = 90, code = 3, length = 0.05)

关键逻辑说明 #

1. 先用with(scf_design, ...)遍历每个填补数据集，提取可量化的统计结果（比如密度值、区间频数），而非直接生成图像。
2. 用MIcombine合并这些统计结果，计算出考虑多重填补方差的合并估计值与标准误。
3. 基于合并后的统计量手动绘图，确保最终输出单张包含所有填补信息的加权图像。

内容的提问来源于stack exchange，提问作者Ledson