将预测与 svyglm 结合使用

我发现了一些奇怪的行为predict和svyglm对象从survey包裹。如果你的新数据在predict具有一个级别的因子/字符会输出错误：

Error in `contrasts<-`(`*tmp*`, value = contr.funs[1 + isOF[nn]]) : 
contrasts can be applied only to factors with 2 or more levels

如果我将一级变量作为模型的预测变量，则此错误是有意义的，但对于新数据，我没有看到问题。

与常规的glm这很好用。

MRE:

library(survey)

data(api)

dstrat<-svydesign(id=~1,strata=~stype, weights=~pw, data=apistrat, fpc=~fpc)

svymodel <- svyglm(api00~sch.wide,design=dstrat)
# errors
predict(svymodel, data.frame(sch.wide=rep("No",10)))

regmodel <- glm(api00~sch.wide,data=apistrat)
# works
predict(regmodel,data.frame(sch.wide=rep("No",10)))

我发现如果我破解该因素的水平，它会起作用，但这不是必要的：

svymodel <- svyglm(api00~sch.wide,design=dstrat)

predict(svymodel, data.frame(sch.wide=factor(rep("No",10),
                                             levels = c("No","random phrase"))))

我是否误解了什么，或者这是一个问题survey包裹？

你没有考虑因素newdata;你要放入一个字符串。你应该放入一个带有同一组级别作为用于拟合模型的因素（不是一些随机短语）——这是设计矩阵有意义的唯一方式。

predict(svymodel, data.frame(sch.wide=factor(rep("No",10),levels=c("No","Yes"))))

predict.lm从拟合对象中恢复因子水平（我不记得这是在 2002 年，但我可能是错的）。您可以使用该方法来实现自动化：

predict(svymodel, data.frame(sch.wide=factor(rep("No",10),levels=svymodel$xlevels$sch.wide)))

我会把它放在包裹要做的事情清单上。