lsmeans должен восстановить набор данных (включая все значения предикторов), чтобы определить опорную сетку.Сообщение об ошибке, о котором вы сообщаете, связано с невозможностью сделать это.Единственное, что я могу догадаться, - это то, что фрейм данных, используемый для подгонки модели, больше не находится в рабочей области или в пути поиска.
Если вы восстанавливаете набор данных или делаете его видимым, lsmeans должен снова работать.Либо добавьте , data = gra к вызову lsmeans().
Обновление 1
Оказывается, в коде возникает проблема, связанная с тем фактом, что эта модель имеет недостаток ранга.По иронии судьбы, я думаю, что это относится к этой записи в файле NEWS для пакета ordinal :
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.
Я добавил некоторый код, чтобы обойти это, и, по-видимому,
- мой обходной путь работал только до вышеупомянутого обновления
- , за последние 4 года не многие пользователи сталкивались с порядковыми моделями с недостатком ранга;или, по крайней мере, я не слышал от них, если они это сделали.
Я сейчас пытаюсь вспомнить, какие строки кода - мой обходной путь, а какие еще нужны ... Когда я это решуЯ добавлю его в репозиторий GitHub для emmeans , и через месяц или около того emmeans будет обновлено в CRAN (это будет версия больше, чем 1.3.1).Обновление emmeans также заставит lsmeans работать, так как теперь это просто интерфейс для emmeans .
Update 2
Кажется, теперь это исправлено:
> 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
Однако ваши проблемы только начинаются.У вас есть большое количество не оцениваемых комбинаций из-за отсутствия данных.Удачи ...
Я перенесу обновленную версию в https://github.com/rvlenth/emmeans.