升级marginaleffects至0.25.1后，mice::pool()无法合并avg_comparisons结果

问题背景 #

升级marginaleffects至0.25.1版本后，使用mice::pool()合并多重插补数据集的ATE结果时出现报错。此前流程为：基于mice生成的mids对象，用lapply调用avg_comparisons()计算相对风险尺度的平均处理效应，再通过pool()合并结果。旧版本中hypothesis = "pairwise"（字符串形式）可正常运行，但0.25.x版本要求使用hypothesis = ~pairwise（公式形式），此时pool()无法识别返回结果的结构。

最小复现代码 #

ATE_all_subgroup <- lapply(results_all_sub$analyses, function(fit) {
  marginaleffects::avg_comparisons(
    fit,
    variables = "treatment",
    by = "groups",
    comparison = "lnratioavg",
    hypothesis = ~pairwise
  )
})

ATE_results <- mice::pool(ATE_all_subgroup)  # 此处报错

报错核心原因：avg_comparisons()返回的对象带有marginaleffects专属类属性，超出mice::pool()的识别范围。

疑问 #

• 使用hypothesis = ~pairwise时，有没有推荐的结果合并方法？
• 是否需要手动提取估计值和方差后再合并？
• mice::pool()是否不再兼容公式形式的hypothesis参数？

解决方案 #

1. 优先方案：转换结果为纯数据框适配pool() #

新版本marginaleffects返回的对象除了数据框结构外，还附带了专属类标签，导致pool()无法解析。只需在lapply内部将结果转换为标准数据框，并保留pool()所需的核心列，即可正常合并：

修改后的代码：

ATE_all_subgroup <- lapply(results_all_sub$analyses, function(fit) {
  res <- marginaleffects::avg_comparisons(
    fit,
    variables = "treatment",
    by = "groups",
    comparison = "lnratioavg",
    hypothesis = ~pairwise
  )
  # 转换为标准数据框，保留必要统计量列
  as.data.frame(res)[, c("term", "estimate", "std.error", "statistic", "p.value", "df")]
})

ATE_results <- mice::pool(ATE_all_subgroup)

2. 备选方案：手动提取估计值与方差，用pool.scalar()合并 #

如果上述方法无效，可以手动提取每个插补结果的估计值和方差，再通过mice::pool.scalar()逐个合并对比项：

# 提取所有插补数据集的估计值和方差
estimates <- lapply(ATE_all_subgroup, function(x) x$estimate)
variances <- lapply(ATE_all_subgroup, function(x) x$std.error^2)

# 逐个合并每个对比项的结果
pooled_list <- lapply(seq_along(estimates[[1]]), function(i) {
  # 提取第i个对比项在所有插补集中的估计值和方差
  est_vec <- sapply(estimates, function(x) x[i])
  var_vec <- sapply(variances, function(x) x[i])
  # 调用pool.scalar合并
  mice::pool.scalar(est_vec, var_vec, df = ATE_all_subgroup[[1]]$df[i])
})

# 整理为结构化数据框
pooled_results <- do.call(rbind, pooled_list)
rownames(pooled_results) <- ATE_all_subgroup[[1]]$term
colnames(pooled_results) <- c("estimate", "std.error", "t_value", "df", "p_value")

3. 兼容性说明 #

mice::pool()并非不兼容公式形式的hypothesis参数，而是新版本marginaleffects返回的对象结构发生了变化——新增了marginaleffects、avg_comparisons等类属性，而pool()默认仅识别标准模型对象或结构规范的基础数据框。通过转换为纯数据框的方式，即可消除这种兼容性冲突。

内容的提问来源于stack exchange，提问作者Ludovico Ambrosi