0

我正在尝试对二元逻辑回归模型进行一些诊断。具体来说，边际模型图。不幸的是，我不断收到“需要有限的'xlim'值”错误。下面的代码重现了该问题。我的模型包括数字变量和分类变量（在模型中被转换为虚拟变量）。无论如何，我知道当所有值都是 NA 时会发生此错误，但我的任何数据都不是这种情况，我不确定发生了什么。

set.seed(020275)
df <- data.frame(y=sample(c(0,1), 10, replace=TRUE), 
             cat=sample(c("Red", "Blue", "Green"), 10, replace=TRUE), 
             loc=sample(c("North", "South", "East", "West"), 10,  replace=TRUE), 
             count=runif(10, 0, 10),
             stringsAsFactors = FALSE)

glmModel <- glm(y ~ cat + loc + count, family=binomial(), data=df)
glmModel

library(car)
marginalModelPlots(glmModel)

我收到以下错误：

Error in plot.window(...) : need finite 'xlim' values
In addition: Warning messages:
1: In xy.coords(x, y, xlabel, ylabel, log) : NAs introduced by coercion
2: In min(x) : no non-missing arguments to min; returning Inf
3: In max(x) : no non-missing arguments to max; returning -Inf

寻找有关如何处理此问题的一些想法/建议/指导。

4

1 回答 1

0

数据类型向量（上例中的 cat 和 loc ）似乎character与 不兼容marginalModelPlots，至少对于我当前使用的汽车包的版本（2.1-1）。我发现我可以使用该terms参数将图限制为变量的子集，同时还包括线性预测图（如下所示）。

marginalModelPlots(glmModel, terms= ~ count)

maringalModelPlots 图像

于 2016-05-04T01:28:05.607 回答