使用mgm包中estimateNetwork函数报错，求解决方案

你的错误根源是混淆了mgm包与bootnet包的函数用途，以及参数使用错误：

• estimateNetwork()是bootnet包的函数，它的reg参数仅支持该包内置的估计器（如"glasso"、"EBICglasso"、"pcor"等），并不支持mgm包的"mgl"正则化方法，因此会触发调用估计器失败的错误。
• 混合图形模型的核心估计函数是mgm包的mgm()，而非bootnet的estimateNetwork()。

正确步骤： #

1. 用mgm()估计混合图形模型 #

首先需要明确数据中变量的类型（连续/分类），这是混合模型必需的参数：

library(haven)
library(mgm)

# 读取数据
flordiss <- read_sav("C:/Users/schul/OneDrive/Desktop/flordiss.sav")

# 定义变量类型：连续变量标记为1，分类变量标记为2
var_types <- apply(flordiss, 2, function(x) if (is.numeric(x) && length(unique(x)) > 5) 1 else 2)
# 若有分类变量，需指定每个分类变量的水平数（示例：假设所有分类变量都是二元）
var_levels <- ifelse(var_types == 2, 2, 1)

# 估计混合图形模型
# 单组数据用regMethod="glasso"，"mgl"是多组数据专用的正则化方法
my_model <- mgm(data = as.matrix(flordiss),
                type = var_types,
                level = var_levels,
                lambdaSel = "EBIC", # 正则化参数选择方法
                regMethod = "glasso")

2. 提取邻接矩阵并计算网络指标 #

从mgm模型结果中提取权重邻接矩阵后，可使用bootnet或qgraph计算网络指标：

library(bootnet)
library(qgraph)

# 提取邻接矩阵
adj_matrix <- my_model$wadj

# 方法1：用bootnet计算中心性指标
net_obj <- as.network(adj_matrix, directed = FALSE)
centrality_results <- centrality(net_obj)
print(centrality_results)

# 方法2：用qgraph可视化并计算指标
qgraph(adj_matrix, layout = "spring")
centrality_auto(adj_matrix)

额外说明 #

• 若你确实需要使用多组LASSO（"mgl"），则需要确保数据是多组结构（如包含分组变量），并调整mgm()的分组参数（group），而非在bootnet的estimateNetwork()中使用该参数。

内容的提问来源于stack exchange，提问作者Kaitlyn