lsmeans: eval中出错(predvars，data，env)：找不到对象'location‘

Question

因此，我使用CLM对以下特定列运行了双向有序回归: gra、location、species，它起作用了：

gra.f <- clm(gra ~ location + species + location:species, data = gra)

现在，我尝试使用lsmeans函数运行配对：

pwise <- lsmeans(gra.f, 
                   pairwise ~ location + species, 
                   adjust="tukey")

我得到: eval(predvars，data，env)中的错误:找不到对象'location‘

我不确定我知道问题出在哪里

PS:如果我删除位置并尝试只执行物种，错误仍然是' location‘not found

Answer 1

为了确定参考网格，lsmeans必须重建数据集(包括所有预测器值)。您报告的错误消息是由于无法这样做而导致的。我唯一能猜到的是，用于拟合模型的数据框不再位于工作区或搜索路径中。

如果恢复数据集或使其可见，lsmeans应该会再次工作。或者，将, data = gra添加到lsmeans()调用中。

更新1

事实证明，问题出现在处理此模型秩不足这一事实的代码中。具有讽刺意味的是，我认为它与序号包的NEWS文件中的以下条目有关：2014-11-12: - Reimplementation of formula, model.frame and design matrix processing motivated by a bug in model.matrix.clm and predict.clm reported by Russell Lenth 2014-11-07 when implementing lsmeans support for clm::ordinal.

我写了一些代码来解决这个问题，很明显，

1. 我的变通方法直到前面提到的更新
2. 才起作用。在过去的4年里，没有多少用户遇到秩不足的序数模型；或者至少我没有收到他们的消息。

我现在正在努力记住哪些代码行是我的变通方法，哪些代码行仍然需要……当我解决了这个问题后，我会把它推到的github存储库，这意味着，在一个月左右的时间里，就意味着将在CRAN上更新(它将是一个高于1.3.1的版本)。更新意味着将使 as意味着也能工作，因为现在它只是的前端。

更新2

它现在似乎被修复了：

> lsmeans(gra.f, 
+         pairwise ~ location + species, 
+         adjust="tukey")

$`lsmeans`
 location species  lsmean    SE  df asymp.LCL asymp.UCL
 B10      HD       nonEst    NA  NA        NA        NA
 B30      HD       nonEst    NA  NA        NA        NA
 B50      HD       nonEst    NA  NA        NA        NA
 B70      HD      -0.2802 0.191 Inf  -0.65519    0.0949
 Black Pt HD      -0.1298 0.325 Inf  -0.76730    0.5077
 Bolongo  HD       nonEst    NA  NA        NA        NA
      ... Several rows of output omitted ...
 SMA      TT       nonEst    NA  NA        NA        NA

Confidence level used: 0.95 

$contrasts
 contrast                  estimate    SE  df z.ratio p.value
      ... MANY rows of output omitted ...
 B70,HD - Magens,HD          nonEst    NA  NA      NA      NA
 B70,HD - SMA,HD             nonEst    NA  NA      NA      NA
 B70,HD - B10,HS           -0.71283 0.225 Inf  -3.162  0.4869
 B70,HD - B30,HS            0.07174 0.227 Inf   0.316  1.0000
 B70,HD - B50,HS           -0.74197 0.228 Inf  -3.253  0.4093
 B70,HD - B70,HS           -0.72863 0.226 Inf  -3.229  0.4291
 B70,HD - Black Pt,HS      -0.10537 0.220 Inf  -0.478  1.0000
 B70,HD - Bolongo,HS         nonEst    NA  NA      NA      NA
 B70,HD - Fortuna,HS       -0.64301 0.240 Inf  -2.684  0.8656
 B70,HD - Lindberg,HS      -0.10132 0.220 Inf  -0.460  1.0000
 B70,HD - Magens,HS         0.02351 0.226 Inf   0.104  1.0000
 B70,HD - SMA,HS           -0.05100 0.219 Inf  -0.232  1.0000
 B70,HD - B10,HW             nonEst    NA  NA      NA      NA
 B70,HD - B30,HW             nonEst    NA  NA      NA      NA
 B70,HD - B50,HW             nonEst    NA  NA      NA      NA
 B70,HD - B70,HW             nonEst    NA  NA      NA      NA
 B70,HD - Black Pt,HW        nonEst    NA  NA      NA      NA
 B70,HD - Bolongo,HW         nonEst    NA  NA      NA      NA
 [ reached getOption("max.print") -- omitted 1059 rows ]

P value adjustment: tukey method for comparing a family of 50 estimates

然而，您的问题才刚刚开始。由于缺少数据，您有大量不可估量的组合。祝你好运。

我会将更新后的版本推送到https://github.com/rvlenth/emmeans。