如何在R中计算特定值的边际效应/预测（其余变量保留观测值）

Stata的margins, at(age=(30 35 40 45 50))会为每个原始观测值分别计算指定变量取值下的结果，其余变量保留原始值；而R的marginaleffects和ggeffects包默认会将其余变量设为均值，以下是两个包的实现方案：

使用marginaleffects包 #

核心是利用datagrid()函数的grid_type = "counterfactual"参数，基于原始观测生成反事实数据集（仅替换指定变量的取值，其余变量保留原值）。

示例：计算预测结果 #

# 加载包并准备数据
library(marginaleffects)
set.seed(123)
dat <- mtcars
dat$age <- sample(20:60, nrow(dat), replace = TRUE) # 模拟age变量

# 拟合模型
model <- lm(mpg ~ hp + wt + age, data = dat)

# 计算指定age取值下的预测结果（其余变量用原始观测值）
preds <- predictions(
    model,
    newdata = datagrid(
        age = c(30, 35, 40, 45, 50), # 指定目标变量的取值
        grid_type = "counterfactual", # 关键：基于原始观测生成反事实
        data = dat # 传入原始数据集
    )
)

# 查看结果（每行对应一个原始观测+一个age取值的组合）
head(preds)

示例：计算边际效应 #

如果需要计算边际效应，替换为marginaleffects()函数即可，参数逻辑完全一致：

mfx <- marginaleffects(
    model,
    newdata = datagrid(
        age = c(30, 35, 40, 45, 50),
        grid_type = "counterfactual",
        data = dat
    )
)

使用ggeffects包 #

通过设置rawdata = TRUE参数，强制基于原始观测的其余变量值计算指定变量的结果，而非默认的均值。

示例：计算预测结果 #

library(ggeffects)

# 用之前的model和dat数据集
gg_pred <- ggpredict(
    model,
    terms = "age [30,35,40,45,50]", # 指定age的取值列表
    rawdata = TRUE # 关键：使用原始观测的其他变量值
)

# 查看结果
head(gg_pred)

示例：计算边际效应 #

若需获取边际效应，使用ggeffect()函数并保留rawdata = TRUE参数：

gg_mfx <- ggeffect(
    model,
    terms = "age [30,35,40,45,50]",
    rawdata = TRUE
)

结果说明 #

两种方法生成的结果行数均为nrow(原始数据) × 指定变量的取值数量，每个行对应一个原始观测与指定变量取值的组合，完全匹配Stata margins命令的默认行为。

内容的提问来源于stack exchange，提问作者edvinsyk