r - sjPlot 用于稳健回归？

Question

是否有人知道 sjp.Int 是否适用于稳健回归？基本绘图工作，但置信区间不起作用？错误=

Error in seq.default(from = best$lmin, to = best$lmax, by = best$lstep) : 
 'from' must be of length 1
 In addition: Warning messages:
  1: In min(intdf$conf.low, na.rm = T) :
  no non-missing arguments to min; returning Inf
  2: In max(intdf$conf.high, na.rm = T) :
  no non-missing arguments to max; returning -Inf

我使用的命令是：

fname = rlm(Y ~ X1+X2+X3+X4*X5, data=mydata)
sjp.int(fname, type="eff", show.ci=TRUE)

对于 type="cond"，置信区间确实有效

Answer 1

我认为这是不可能的。sjp.int(type="eff")用于effects::allEffects()计算 CI 等。但此函数不计算rlm.model的 CI（返回NAs），因此sjp.int(rlm.model, type="eff", show.ci=TRUE)不起作用。（参考代码；summary(effects::allEffects(fname, KR=F))）。

[已编辑]

(sjp.int(fname, type="eff"))返回data.list并且它有关于se. 但我不认为这个价值是可信的。如果你想画一个像这样的图形sjp.int，我想你最好用，predict(rlm.model)因为predict有治疗的方法rlm.model。

我的例子；

library(ggplot2)

df <- with(iris, data.frame(Y = Petal.Length,     # example data
                            X1 = Sepal.Length, X2 = Sepal.Width, X3 = Petal.Width))

fname <- rlm(Y ~ X1 + X2 * X3, df)
pred.df <- with(df, data.frame(X1 = mean(X1),
                               X2 = c( min(X2), max(X2) ),
                               X3 = rep( seq( min(X3), max(X3), 0.1), each=2 )))

pred.df <- cbind(pred.df, predict(fname, pred.df, interval="confidence"))
pred.df$X2 <- as.factor(pred.df$X2)

ggplot(pred.df, aes(x=X3, y=fit, group=X2, colour=X2, fill=X2)) + geom_line() + 
  geom_ribbon(aes(ymin = lwr, ymax = upr, colour=NULL), alpha=0.2)