Lỗi trong `tương phản <-` (` * tmp * `, giá trị = contr.funs [1 + isOF [nn]]) với tập dữ liệu rõ ràng chính xác

Question

Tôi gặp sự cố trong R khi cố chạy mô hình tuyến tính đơn giản với biến phân loại là người dự đoán. Khi chạy mô hình, R ném lỗi

`Error in `contrasts<-`(`*tmp*`, value = contr.funs[1 + isOF[nn]]) : ` 

Các dữ liệu, tuy nhiên, dường như là ổn (bộ dữ liệu đính kèm dưới đây):

str(minimal) 
'data.frame': 330 obs. of 2 variables: 
$ swls  : num 5.2 NaN 7 6 NaN NaN NaN NaN NaN NaN ... 
$ exp.factor: Factor w/ 2 levels "erlebt","nicht erlebt": 1 1 1 1 2 2 2 2 NA 2 ... 

Ngoài ra còn có vẻ là đủ thay đổi trong dữ liệu, chủ đề tương tự như vậy tôi thấy không áp dụng ở đây:

table(minimal$exp.factor) 

     erlebt nicht erlebt 
     148   163 

' Tuy nhiên, lm() vẫn từ chối làm việc:

lm(swls ~ exp.factor, data = minimal) 
Fehler in `contrasts<-`(`*tmp*`, value = contr.funs[1 + isOF[nn]]) : 
    Kontraste können nur auf Faktoren mit 2 oder mehr Stufen angewendet werden 

này thực sự lạ là lm() hoạt động như mong đợi với các yếu tố khác (ví dụ, quan hệ tình dục)

Bất cứ ý tưởng gì đi sai ở đây?

Các Dataset:

structure(list(swls = c(5.2, NaN, 7, 6, NaN, NaN, NaN, NaN, NaN, 
NaN, NaN, NaN, NaN, NaN, NaN, NaN, NaN, NaN, NaN, NaN, NaN, NaN, 
6.8, NaN, NaN, NaN, NaN, NaN, NaN, NaN, NaN, NaN, NaN, 7, NaN, 
NaN, NaN, NaN, NaN, NaN, NaN, 5.8, 2.6, NaN, NaN, NaN, NaN, NaN, 
NaN, 5.4, NaN, 6.4, NaN, NaN, NaN, NaN, NaN, NaN, 6.8, NaN, NaN, 
NaN, NaN, NaN, NaN, 1.2, NaN, 6.2, 6.4, 5.2, NaN, 5.4, NaN, NaN, 
NaN, NaN, NaN, NaN, NaN, NaN, NaN, NaN, NaN, NaN, 4.6, NaN, NaN, 
NaN, NaN, 5.8, NaN, NaN, NaN, NaN, NaN, NaN, NaN, NaN, NaN, NaN, 
NaN, NaN, NaN, NaN, NaN, NaN, NaN, NaN, NaN, NaN, NaN, 5, NaN, 
NaN, NaN, 6.8, NaN, NaN, NaN, 6, 7, NaN, NaN, NaN, NaN, 6, NaN, 
6.4, NaN, NaN, NaN, NaN, NaN, NaN, NaN, NaN, NaN, 6.8, NaN, NaN, 
6.8, NaN, NaN, NaN, NaN, NaN, 5, 5.6, NaN, NaN, NaN, NaN, NaN, 
NaN, NaN, 3, NaN, NaN, NaN, NaN, NaN, NaN, 1.2, 4.2, NaN, 5.4, 
NaN, NaN, NaN, NaN, NaN, NaN, 6.6, 5.8, NaN, NaN, NaN, 6.4, NaN, 
NaN, NaN, NaN, NaN, NaN, NaN, NaN, 2.8, NaN, 4, NaN, NaN, NaN, 
6, 5, NaN, NaN, NaN, 4.4, NaN, 2, NaN, NaN, NaN, NaN, NaN, NaN, 
NaN, NaN, NaN, NaN, NaN, NaN, NaN, NaN, NaN, NaN, 2.2, NaN, NaN, 
NaN, 7, NaN, NaN, NaN, 5.6, NaN, NaN, NaN, NaN, NaN, NaN, NaN, 
NaN, NaN, NaN, 6.2, NaN, NaN, NaN, NaN, NaN, NaN, NaN, NaN, NaN, 
5, NaN, NaN, 5.2, NaN, NaN, NaN, NaN, NaN, NaN, NaN, NaN, NaN, 
NaN, 5.8, NaN, NaN, 3.6, 5.6, NaN, NaN, 2.8, NaN, NaN, NaN, 6.2, 
NaN, NaN, NaN, NaN, NaN, NaN, NaN, 5.8, 6.2, NaN, NaN, 5, 6.2, 
NaN, NaN, NaN, NaN, NaN, NaN, 4.8, NaN, NaN, NaN, NaN, 4.8, NaN, 
NaN, NaN, NaN, NaN, NaN, 4.4, NaN, NaN, 3, 5.2, NaN, 3.8, NaN, 
NaN, NaN, NaN, 3, NaN, NaN, NaN, NaN, 1.6, NaN, NaN, 6.6, NaN, 
NaN, NaN, NaN, NaN, NaN, NaN, NaN), exp.factor = structure(c(1L, 
1L, 1L, 1L, 2L, 2L, 2L, 2L, NA, 2L, 2L, NA, 2L, 2L, NA, 2L, 1L, 
2L, 2L, 2L, NA, 2L, 1L, NA, 2L, 2L, 2L, 2L, 2L, 1L, 2L, 2L, 2L, 
1L, 1L, NA, NA, 1L, 1L, 2L, 1L, 1L, 1L, 2L, 2L, 1L, NA, 2L, 1L, 
1L, 2L, 1L, 2L, 2L, 2L, 1L, 2L, NA, 1L, 1L, 1L, 2L, 2L, 1L, 2L, 
1L, 2L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 1L, 2L, 2L, NA, 1L, 2L, 
2L, 2L, 2L, 1L, 2L, 2L, 2L, 1L, 1L, 2L, 1L, 1L, 2L, 2L, 2L, 2L, 
1L, 2L, 1L, 2L, NA, 2L, 1L, NA, 1L, 1L, 1L, 2L, 2L, NA, 1L, 2L, 
1L, 1L, 1L, 2L, 2L, 2L, 1L, 1L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 
1L, 1L, NA, 1L, 2L, 2L, 1L, 1L, 1L, 2L, 1L, 1L, 2L, 1L, 2L, 1L, 
1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 1L, 
2L, 1L, 1L, 2L, 1L, 2L, 1L, 2L, 1L, 2L, 2L, 1L, 1L, 1L, 2L, 2L, 
1L, NA, 2L, 2L, 2L, 1L, 2L, 1L, 1L, 1L, 1L, 1L, 2L, 1L, 2L, 1L, 
1L, 1L, 1L, 2L, 1L, 1L, 1L, 2L, 2L, 1L, 2L, 2L, 1L, 1L, 2L, 2L, 
2L, 2L, 2L, 1L, 2L, 1L, 1L, 1L, 1L, 2L, 2L, 1L, NA, 2L, 2L, 1L, 
2L, NA, 2L, 1L, 2L, 1L, 2L, 2L, 2L, 1L, 1L, 2L, 2L, 1L, 2L, 1L, 
1L, 1L, 2L, 2L, 1L, 1L, 2L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 
1L, 2L, 1L, 2L, 2L, 1L, 1L, 2L, 2L, 1L, 2L, 2L, 2L, 1L, 2L, 1L, 
NA, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 
1L, 1L, 2L, 2L, 2L, 1L, 1L, 2L, 2L, 2L, NA, 1L, 2L, 1L, 1L, 1L, 
1L, 1L, 2L, 1L, 2L, 2L, 1L, 2L, 1L, 1L, 2L, 2L, 1L, 1L, 2L, 2L, 
1L, 2L, 2L, 1L, 2L, 2L, 2L, 2L, 2L), .Label = c("erlebt", "nicht erlebt" 
), class = "factor")), .Names = c("swls", "exp.factor"), row.names = c(7L, 
9L, 19L, 36L, 50L, 63L, 67L, 75L, 84L, 85L, 94L, 100L, 109L, 
122L, 128L, 135L, 137L, 145L, 156L, 158L, 163L, 182L, 188L, 198L, 
204L, 213L, 221L, 240L, 251L, 254L, 258L, 261L, 271L, 284L, 286L, 
295L, 308L, 309L, 313L, 319L, 334L, 340L, 344L, 351L, 354L, 365L, 
372L, 382L, 385L, 391L, 398L, 404L, 427L, 431L, 435L, 438L, 441L, 
452L, 468L, 469L, 474L, 483L, 486L, 493L, 502L, 508L, 513L, 519L, 
524L, 528L, 537L, 543L, 546L, 557L, 572L, 578L, 591L, 606L, 611L, 
613L, 624L, 633L, 640L, 642L, 651L, 662L, 667L, 672L, 673L, 696L, 
703L, 709L, 718L, 722L, 732L, 735L, 747L, 749L, 753L, 770L, 780L, 
787L, 799L, 801L, 812L, 818L, 825L, 838L, 864L, 874L, 887L, 896L, 
897L, 906L, 909L, 920L, 923L, 929L, 944L, 959L, 964L, 973L, 978L, 
986L, 991L, 996L, 1001L, 1008L, 1014L, 1017L, 1033L, 1040L, 1046L, 
1067L, 1075L, 1085L, 1090L, 1100L, 1102L, 1113L, 1144L, 1145L, 
1150L, 1155L, 1158L, 1165L, 1175L, 1180L, 1189L, 1196L, 1198L, 
1203L, 1212L, 1217L, 1230L, 1235L, 1257L, 1264L, 1266L, 1279L, 
1285L, 1290L, 1299L, 1308L, 1320L, 1331L, 1338L, 1345L, 1350L, 
1366L, 1376L, 1381L, 1400L, 1403L, 1406L, 1409L, 1419L, 1424L, 
1456L, 1462L, 1467L, 1469L, 1490L, 1499L, 1501L, 1509L, 1515L, 
1518L, 1524L, 1531L, 1533L, 1538L, 1560L, 1571L, 1573L, 1578L, 
1587L, 1600L, 1602L, 1624L, 1626L, 1631L, 1637L, 1646L, 1656L, 
1661L, 1667L, 1677L, 1683L, 1692L, 1694L, 1699L, 1705L, 1712L, 
1714L, 1726L, 1739L, 1741L, 1750L, 1763L, 1768L, 1780L, 1795L, 
1811L, 1816L, 1821L, 1830L, 1864L, 1869L, 1883L, 1887L, 1891L, 
1904L, 1914L, 1917L, 1928L, 1934L, 1939L, 1941L, 1948L, 1950L, 
1961L, 1969L, 1975L, 1982L, 1992L, 1998L, 2004L, 2019L, 2025L, 
2040L, 2041L, 2046L, 2051L, 2068L, 2083L, 2085L, 2090L, 2098L, 
2103L, 2109L, 2116L, 2124L, 2131L, 2133L, 2138L, 2144L, 2154L, 
2160L, 2161L, 2183L, 2188L, 2190L, 2203L, 2218L, 2221L, 2229L, 
2234L, 2243L, 2252L, 2262L, 2265L, 2275L, 2280L, 2282L, 2286L, 
2289L, 2299L, 2308L, 2309L, 2319L, 2332L, 2335L, 2350L, 2353L, 
2360L, 2363L, 2366L, 2369L, 2376L, 2401L, 2406L, 2415L, 2426L, 
2429L, 2436L, 2447L, 2453L, 2459L, 2476L, 2478L, 2486L, 2492L, 
2499L, 2501L, 2511L, 2517L, 2522L, 2528L, 2541L, 2547L, 2552L, 
2554L, 2557L, 2566L, 2580L, 2587L, 2594L, 2603L, 2608L), class = "data.frame") 

Và SessionInfo của tôi():

R version 3.1.0 (2014-04-10) 
Platform: x86_64-pc-linux-gnu (64-bit) 

locale: 
[1] LC_CTYPE=de_DE.UTF-8  LC_NUMERIC=C    LC_TIME=de_DE.UTF-8  LC_COLLATE=de_DE.UTF-8  LC_MONETARY=de_DE.UTF-8 LC_MESSAGES=de_DE.UTF-8 
[7] LC_PAPER=de_DE.UTF-8  LC_NAME=C     LC_ADDRESS=C    LC_TELEPHONE=C    LC_MEASUREMENT=de_DE.UTF-8 LC_IDENTIFICATION=C  

attached base packages: 
[1] splines grid  stats  graphics grDevices utils  datasets methods base  

other attached packages: 
[1] foreign_0.8-61 lavaan_0.5-15 plyr_1.8.1  xtable_1.7-3 Hmisc_3.14-4 Formula_1.1-1 survival_2.37-7 lattice_0.20-29 Lambda4_3.0  MBESS_3.3.3  

loaded via a namespace (and not attached): 
[1] cluster_1.15.2  latticeExtra_0.6-26 MASS_7.3-32   mnormt_1.4-7  pbivnorm_0.5-1  quadprog_1.5-5  RColorBrewer_1.0-5 Rcpp_0.11.1   
[9] stats4_3.1.0  tools_3.1.0   

Answer 1

Vấn đề là một khi các giá trị NA bị bỏ qua từ tập dữ liệu, không có bất kỳ "nicht erlebt "Quan sát trái:

summary(na.omit(minimal)) 
     swls    exp.factor 
Min. :1.200 erlebt  :64 
1st Qu.:4.400 nicht erlebt: 0 
Median :5.500      
Mean :5.119      
3rd Qu.:6.200      
Max. :7.000  

Vì vậy lm sẽ gặp khó khăn khi lắp một chế độ l đến một yếu tố chỉ với một mức (còn lại) ...

Bạn cũng có thể suy luận điều này bằng cách nhìn vào chéo bảng về exp.factor và is.na() của phản ứng ...

with(minimal,table(exp.factor,is.na(swls))) 

exp.factor  FALSE TRUE 
    erlebt   64 84 
    nicht erlebt  0 163