Когда я пытаюсь определить свою линейную модель в R следующим образом:
lm1 <- lm(predictorvariable ~ x1+x2+x3, data=dataframe.df)
Появляется следующее сообщение об ошибке:
Error in `contrasts<-`(`*tmp*`, value = contr.funs[1 + isOF[nn]]) :
contrasts can be applied only to factors with 2 or more levels
Есть ли способ игнорировать это или исправить? Некоторые из переменных являются факторами, а некоторые - нет.
Если ваша независимая переменная (переменная RHS) является фактором или символом, принимающим только одно значение, тогда возникает этот тип ошибки.
Пример: данные диафрагмы в 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
Теперь, если ваши данные состоят только из одного вида:
(model1 <- lm(Sepal.Length ~ Sepal.Width + Species,
data=iris[iris$Species == "setosa", ]))
# Error in `contrasts<-`(`*tmp*`, value = contr.funs[1 + isOF[nn]]) :
# contrasts can be applied only to factors with 2 or more levels
Если переменная является числовой (Sepal.Width), но принимает только одно значение, скажем 3, тогда модель запускается, но вы получите NA как коэффициент для этой переменной следующим образом:
(model2 <-lm(Sepal.Length ~ Sepal.Width + Species,
data=iris[iris$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
Решение. В зависимой переменной недостаточно вариации с одним значением. Таким образом, вам нужно отбросить эту переменную, независимо от того, является ли это числовой или символьной или факторной переменной.
Обновлено в соответствии с комментариями:. Поскольку вы знаете, что ошибка будет возникать только с фактором/символом, вы можете сосредоточиться только на них и посмотреть, будет ли длина уровней этих факторных переменных равна 1 (DROP ) или больше 1 (NODROP).
Чтобы узнать, является ли переменная фактором или нет, используйте следующий код:
(l <- sapply(iris, function(x) is.factor(x)))
# Sepal.Length Sepal.Width Petal.Length Petal.Width Species
# FALSE FALSE FALSE FALSE TRUE
Тогда вы можете получить только фрейм данных переменных факторов
m <- iris[, l]
Теперь найдите количество уровней факторных переменных, если это нужно, нужно отбросить этот
ifelse(n <- sapply(m, function(x) length(levels(x))) == 1, "DROP", "NODROP")
Примечание. Если уровни факторной переменной являются только одной, то это переменная, вам нужно отказаться.
Похоже, что хотя бы один из ваших предикторов x1, x2 или x3 имеет только один факторный уровень и, следовательно, является константой.
Посмотрите
lapply(dataframe.df[c("x1", "x2", "x3")], unique)
чтобы найти разные значения.
Метрики и Svens отвечают на обычную ситуацию, но для нас, работающих в неанглийских средах, если у вас есть экзотические персонажи (å, ä, ö) в вашей переменной символов, вы получите тот же результат, даже если у вас есть несколько факторов.
Levels <- c("Pri", "För") дает ошибку контрастности, а Levels <- c("Pri", "For") не
Вероятно, это ошибка.
Это вариант ответа, предоставленного @Metrics и отредактированный @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,])))
Здесь, после определения факторных переменных, второй sapply вычисляет, какой процент записей принадлежит каждому уровню/категории переменной. Затем он определяет количество уровней более 99,5% или менее 0,5% (мои произвольные пороги).
Затем он продолжает возвращать количество допустимых уровней и уровень заболеваемости каждого уровня в каждой категориальной переменной.
Переменные с нулевыми уровнями, пересекающими пороговые значения, не следует отбрасывать, а другой - с линейной модели.
Последний кадр данных облегчает просмотр результатов. Он жестко закодирован для этого набора данных, поскольку все факторные переменные являются биномиальными. Этот фрейм данных можно сделать достаточно простым.
Это сообщение об ошибке может также произойти, когда данные содержат NA s.
В этом случае поведение зависит от значений по умолчанию (см. документацию), и, возможно, все случаи с NA в столбцах, упомянутых в переменных, молча удаляются. Таким образом, может быть, что фактор действительно имеет несколько результатов, но фактор имеет только один результат, ограничивая случаи без NA.
В этом случае, чтобы исправить ошибку, либо измените модель (удалите проблемный фактор из формулы), либо измените данные (то есть заполните случаи).