Błąd w kontrastów przy definiowaniu modelu liniowego w R

Question

gdy próbuję definiować mój model liniowy R następująco:

lm1 <- lm(predictorvariable ~ x1+x2+x3, data=dataframe.df) 

pojawia się następujący komunikat o błędzie:

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

Czy istnieje sposób zignorować to lub naprawić? Niektóre zmienne są czynnikami, a niektóre nie.

Answer 1

Jeśli twoja zmienna niezależna (zmienna RHS) jest czynnikiem lub znakiem przyjmującym tylko jedną wartość, wówczas występuje ten typ błędu.

Przykład iris dane R

(model1 <- lm(Sepal.Length ~ Sepal.Width + Species, data=iris)) 

# Call: 
# lm(formula = Sepal.Length ~ Sepal.Width + Species, data = iris) 

# Coefficients: 
#  (Intercept)  Sepal.Width Speciesversicolor Speciesvirginica 
#   2.2514    0.8036    1.4587    1.9468 

Teraz, jeśli dane składa się tylko z jednego gatunku:

(model1 <- lm(Sepal.Length ~ Sepal.Width + Species, 
       data=iris[iris$Species == "setosa", ])) 
# Error in `contrasts<-`(`*tmp*`, value = contr.funs[1 + isOF[nn]]) : 
# contrasts can be applied only to factors with 2 or more levels 

Jeśli zmienna jest liczbą (Sepal.Width), lecz równocześnie tylko jedna wartość powiedzieć 3, następnie model działa, ale otrzymasz NA jako współczynnik tej zmiennej w następujący sposób:

(model2 <-lm(Sepal.Length ~ Sepal.Width + Species, 
      data=iris[iris$Sepal.Width == 3, ])) 

# Call: 
# lm(formula = Sepal.Length ~ Sepal.Width + Species, 
# data = iris[iris$Sepal.Width == 3, ]) 

# Coefficients: 
#  (Intercept)  Sepal.Width Speciesversicolor Speciesvirginica 
#    4.700     NA    1.250    2.017 

Rozwiązanie: Nie ma wystarczającej zmienności w zmiennej zależnej z tylko jedną wartością. Musisz więc usunąć tę zmienną, niezależnie od tego, czy jest to wartość liczbowa, czy znakowa czy zmienna czynnikowa.

Updated jak za komentarze: Ponieważ wiesz, że błąd występuje tylko z/czynnik charakteru, można skupić się tylko na tych, i sprawdzić, czy długość poziomów tych zmiennych czynników jest 1 (DROP) lub większa niż 1 (NODROP).

Aby sprawdzić, czy zmienna jest czynnikiem, czy nie, należy użyć następującego kodu:

(l <- sapply(iris, function(x) is.factor(x))) 
# Sepal.Length Sepal.Width Petal.Length Petal.Width  Species 
#  FALSE  FALSE  FALSE  FALSE   TRUE 

Następnie można uzyskać ramkę danych zmiennych czynników tylko

m <- iris[, l] 

Teraz odnaleźć liczba poziomów zmiennych czynnikowych, jeśli to konieczne, należy zrzucić tę wartość: Uwaga: Jeśli poziomy f Aktor zmienna jest tylko jedna, to jest zmienna, musisz upuścić.

Answer 2

Wygląda na to, że co najmniej jeden z predyktorów, x1, x2 lub , ma tylko jeden poziom czynnika, a tym samym jest stałą.

Wystarczy popatrzeć na

lapply(dataframe.df[c("x1", "x2", "x3")], unique) 

aby znaleźć różne wartości.

Answer 3

Odpowiedzi na pytania i odpowiedzi w Svens dotyczą zwykłej sytuacji, ale dla nas, którzy pracują w środowisku nieanglojęzycznym, jeśli w zmiennej znakowej występują egzotyczne postacie (,, ä, ö), otrzymacie taki sam wynik, nawet jeśli poziomy wielu czynników.

Levels <- c("Pri", "För") daje błąd kontrastu, natomiast Levels <- c("Pri", "For") nie

robi to prawdopodobnie błąd.

Answer 4

Jest to odmiana do odpowiedzi udzielonej przez @Metrics i redakcją @Max Ghenis ...

l <- sapply(iris, function(x) is.factor(x)) 
m <- iris[,l] 

n <- sapply(m, function(x) { y <- summary(x)/length(x) 
len <- length(y[y<0.005 | y>0.995]) 
cbind(len,t(y))}) 

drop_cols_df <- data.frame(var = names(l[l]), 
          status = ifelse(as.vector(t(n[1,]))==0,"NODROP","DROP"), 
          level1 = as.vector(t(n[2,])), 
          level2 = as.vector(t(n[3,]))) 

Tutaj, po zidentyfikowaniu czynników zmiennych, drugi sapply wylicza jaki procent rekordy należą do każdego poziomu/kategoria zmiennej. Następnie określa liczbę poziomów ponad 99,5% lub poniżej 0,5% zapadalności (moje arbitralne progi).

Następnie przechodzi na powrót liczbę ważnych poziomach a zapadalnością na każdym poziomie w każdej zmiennej kategorycznego.

Zmienne o zerowych poziomach przekraczających progi nie powinny zostać pominięte, a drugi powinien być usunięty z modelu liniowego.

Ostatnia ramka danych ułatwia przeglądanie wyników. Kod ten jest mocno zakodowany dla tego zbioru danych, ponieważ wszystkie zmienne czynników są dwumianowe. Ta ramka danych może być łatwo sformułowana w sposób ogólny.

Answer 5

Ten komunikat o błędzie może się również zdarzyć, gdy dane zawiera NA s.

W tym przypadku zachowanie zależy od wartości domyślnych (patrz dokumentacja), a może wszystkie przypadki z NA w kolumnach wymienionych w zmiennych są po cichu upuszczone. Może się zdarzyć, że czynnik rzeczywiście ma kilka wyników, ale czynnik ma tylko jeden wynik przy ograniczeniu do przypadków bez NA.

W tym przypadku, aby rozwiązać problem, czy zmiana modelu (usunięcie czynnika problematyczne ze wzoru) lub zmiany danych (to znaczy zakończyć przypadków).