R：使用“lm”拟合线性模型时的对比错误

我发现了在 R 中定义线性模型时对比错误 https://stackoverflow.com/questions/18171246/error-in-contrasts-when-defining-a-linear-model-in-r并遵循了那里的建议，但我的因素变量都没有只取一个值，而且我仍然遇到同样的问题。

这是我正在使用的数据集：https://www.dropbox.com/s/em7xphbeaxykgla/train.csv?dl=0 https://www.dropbox.com/s/em7xphbeaxykgla/train.csv?dl=0.

这是我试图运行的代码：

simplelm <- lm(log_SalePrice ~ ., data = train)

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

问题是什么？

感谢您提供您的数据集（我希望该链接永远有效，以便每个人都可以访问）。我将其读入数据框train.

使用debug_contr_error, debug_contr_error2 and NA_preproc提供的辅助函数如何调试“对比只能应用于具有 2 个或更多级别的因素”错误？ https://stackoverflow.com/q/44200195/4891738，我们就可以轻松分析问题了。

info <- debug_contr_error2(log_SalePrice ~ ., train)

## the data frame that is actually used by `lm`
dat <- info$mf

## number of cases in your dataset
nrow(train)
#[1] 1460

## number of complete cases used by `lm`
nrow(dat)
#[1] 1112

## number of levels for all factor variables in `dat`
info$nlevels
#     MSZoning        Street         Alley      LotShape   LandContour 
#            4             2             3             4             4 
#    Utilities     LotConfig     LandSlope  Neighborhood    Condition1 
#            1             5             3            25             9 
#   Condition2      BldgType    HouseStyle     RoofStyle      RoofMatl 
#            6             5             8             5             7 
#  Exterior1st   Exterior2nd    MasVnrType     ExterQual     ExterCond 
#           14            16             4             4             4 
#   Foundation      BsmtQual      BsmtCond  BsmtExposure  BsmtFinType1 
#            6             5             5             5             7 
# BsmtFinType2       Heating     HeatingQC    CentralAir    Electrical 
#            7             5             5             2             5 
#  KitchenQual    Functional   FireplaceQu    GarageType  GarageFinish 
#            4             6             6             6             3 
#   GarageQual    GarageCond    PavedDrive        PoolQC         Fence 
#            5             5             3             4             5 
#  MiscFeature      SaleType SaleCondition  MiscVal_bool      MoYrSold 
#            4             9             6             2            55 

如你看到的，Utilities是这里的违规变量，因为它只有 1 个级别。

因为你有很多字符/因子变量train，我想知道你是否有NA对于他们来说。如果我们添加NA作为一个有效的水平，我们可能会得到更完整的案例。

new_train <- NA_preproc(train)

new_info <- debug_contr_error2(log_SalePrice ~ ., new_train)

new_dat <- new_info$mf

nrow(new_dat)
#[1] 1121

new_info$nlevels
#     MSZoning        Street         Alley      LotShape   LandContour 
#            5             2             3             4             4 
#    Utilities     LotConfig     LandSlope  Neighborhood    Condition1 
#            1             5             3            25             9 
#   Condition2      BldgType    HouseStyle     RoofStyle      RoofMatl 
#            6             5             8             5             7 
#  Exterior1st   Exterior2nd    MasVnrType     ExterQual     ExterCond 
#           14            16             4             4             4 
#   Foundation      BsmtQual      BsmtCond  BsmtExposure  BsmtFinType1 
#            6             5             5             5             7 
# BsmtFinType2       Heating     HeatingQC    CentralAir    Electrical 
#            7             5             5             2             6 
#  KitchenQual    Functional   FireplaceQu    GarageType  GarageFinish 
#            4             6             6             6             3 
#   GarageQual    GarageCond    PavedDrive        PoolQC         Fence 
#            5             5             3             4             5 
#  MiscFeature      SaleType SaleCondition  MiscVal_bool      MoYrSold 
#            4             9             6             2            55

我们确实得到了更完整的案例，但是Utilities还是有一级的。这意味着大多数不完整的案例实际上是由NA在您的数值变量中，我们无能为力（除非您有统计上有效的方法来估算这些缺失值）。

由于您只有一个单水平因子变量，因此与中给出的方法相同当“对比只能应用于具有 2 个或更多级别的因素”时，如何进行 GLM？ https://stackoverflow.com/q/50297260/4891738将工作。

new_dat$Utilities <- 1

simplelm <- lm(log_SalePrice ~ 0 + ., data = new_dat)

该模型现在已成功运行。然而，它是等级不足 https://stackoverflow.com/q/37090722/4891738。您可能想要采取一些措施来解决这个问题，但保持原样就可以了。

b <- coef(simplelm)

length(b)
#[1] 301

sum(is.na(b))
#[1] 9

simplelm$rank
#[1] 292