spaMM拟合CAR模型时偏效应图绘制报错及ggplot2方案咨询
spaMM空间邻接模型偏效应图绘制解决方案
内置plot_effects()邻接随机效应报错修复
报错Found new levels for a 'adjacency' random effect的核心成因是:spaMM生成预测网格时,默认会为随机效应分组变量引入虚拟的新观测单元,而邻接随机效应的协方差结构完全由预先传入的二元权重矩阵定义,无法识别矩阵覆盖范围外的新单元水平,因此触发校验错误。
对应修复操作:
- 绘制独立固定效应偏图时,显式指定预测时剥离所有随机效应贡献,避免触发新水平检查,修正后的调用代码为:
plot_effects(QN.B.Dock, focal_var = "PercentWE", add = FALSE, re.form = NA)
其中re.form = NA指定预测阶段仅基于固定效应计算边际值,不将邻接随机项、普查tract层级随机截距纳入预测逻辑,自然不会生成权重矩阵覆盖范围外的新单元。
- 如果需要在预测中保留已观测单元的随机效应贡献,需手动构造预测数据集,确保所有随机效应变量(
Block.Group、Unique.Tract.ID)的取值完全来自原训练集,不新增任何未出现过的水平:
# 构造固定效应协变量网格,随机变量复用训练集原有取值 pred_grid <- expand_grid( PercentWE = seq( min(Salt1KM$PercentWE, na.rm = TRUE), max(Salt1KM$PercentWE, na.rm = TRUE), length.out = 100 ), MHIE = mean(Salt1KM$MHIE, na.rm = TRUE), PercentHomeE = mean(Salt1KM$PercentHomeE, na.rm = TRUE), Population.Density = mean(Salt1KM$Population.Density, na.rm = TRUE), Cutoff.Extend.Shore.Estuary.km = mean(Salt1KM$Cutoff.Extend.Shore.Estuary.km, na.rm = TRUE), # 随机变量取训练集中的真实值,不生成新水平 Unique.Tract.ID = Salt1KM$Unique.Tract.ID[1], Block.Group = Salt1KM$Block.Group[1] ) # 执行预测 pred_out <- predict(QN.B.Dock, newdata = pred_grid, re.form = NULL, type = "response")
ggeffects不识别spaMM模型对象的解决
ggeffects对spaMM模型的适配依赖特定版本的类识别逻辑,遇到无法识别对象的问题无需完全手动计算,可通过以下路径解决:
- 优先使用spaMM包原生的ggplot适配接口。包内置的
effect()函数可直接计算协变量的边际效应值,返回结构化数据后通过autoplot()生成标准ggplot对象,不存在模型识别问题,示例代码:
# 计算PercentWE的边际效应 percent_we_eff <- effect(QN.B.Dock, focal_var = "PercentWE", data = Salt1KM, re.form = NA) # 生成ggplot对象,支持自定义图层调整 autoplot(percent_we_eff) + geom_line(linewidth = 1, color = "#2c3e50") + labs(x = "水岸社区人口占比", y = "私人码头计数的预测值") + theme_bw()
- 如需使用ggeffects的分组绘图功能,可绕过内置的模型类检查,传入自定义预测函数适配spaMM模型。需注意预测时需统一设置
re.form = NA,避免再次触发邻接随机效应的新水平报错。
关键注意事项
- 绘制空间回归模型的偏效应图时,需提前明确是否纳入随机效应贡献:若展示协变量的独立净效应,需固定随机效应贡献为0;若展示包含空间自相关的整体预测效应,需确保预测阶段的随机效应分组与训练集完全匹配。
- 构造预测数据集时,绝对不能为邻接随机效应的分组变量分配训练集权重矩阵未覆盖的取值,这是触发当前报错的核心诱因。
内容的提问来源于stack exchange,提问作者Jeffrey Beauvais
相关产品推荐
相关产品推荐

