sjPlot для надежной регрессии?

Question

Есть ли кто-то, кто знает, работает ли sjp.Int для устойчивых регрессий? Основные черчение работает, но доверительные интервалы не работают? Ошибка =

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

Команда, которую я использовал, была:

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

Для type="cond" доверительные интервалы работают

Answer 1

Думаю это невозможно. sjp.int(type="eff") использования effects::allEffects() рассчитать CI и т. д. Но эта функция не рассчитывает rlm.modelCI (возвращает NAs), так sjp.int(rlm.model, type="eff", show.ci=TRUE) не работает (Код ссылки; summary(effects::allEffects(fname, KR=F))).

[Изменено]

(sjp.int(fname, type="eff")) возвращается data.list и у него есть информация о se, Но я не думаю, что ценность заслуживает доверия. Если вы хотите нарисовать график, как sjp.intЯ думаю, что было бы лучше для вас использовать predict(rlm.model) так как predict есть метод лечения rlm.model,

мой пример;

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)