<\/p>\n
Kesalahan umum yang mungkin Anda temui di R adalah:<\/span><\/p>\n Kesalahan ini terjadi ketika Anda mencoba menyesuaikan model regresi menggunakan variabel prediktor yang merupakan faktor atau sifat dan hanya memiliki satu nilai unik.<\/span><\/p>\n Tutorial ini membagikan langkah-langkah tepat yang dapat Anda gunakan untuk mengatasi kesalahan ini.<\/span><\/p>\n Misalkan kita memiliki bingkai data berikut di R:<\/span><\/p>\n Perhatikan bahwa variabel prediktor var2<\/strong> merupakan faktor dan hanya memiliki satu nilai unik.<\/span><\/p>\n Jika kita mencoba menyesuaikan model regresi linier berganda menggunakan var2<\/strong> sebagai variabel prediktor, kita akan mendapatkan kesalahan berikut:<\/span><\/p>\n Kita mendapatkan kesalahan ini karena var2<\/strong> hanya memiliki satu nilai unik: 4. Karena tidak ada variasi dalam variabel prediktor ini, R tidak dapat menyesuaikan model regresi secara efektif.<\/span><\/p>\n Kita sebenarnya dapat menggunakan sintaks berikut untuk menghitung jumlah nilai unik untuk setiap variabel dalam bingkai data kita:<\/span><\/p>\n Dan kita dapat menggunakan fungsi lapply()<\/a> untuk menampilkan setiap nilai unik dari setiap variabel:<\/span><\/p>\n Kita dapat melihat bahwa var2<\/strong> adalah satu-satunya variabel yang memiliki nilai unik. Jadi, kita dapat memperbaiki kesalahan ini hanya dengan menghapus var2 dari model regresi:<\/span><\/p>\n Dengan menghapus var2<\/strong> dari model regresi, kita tidak lagi menemui kesalahan sebelumnya.<\/span><\/p>\n Cara melakukan regresi linier sederhana di R<\/a> Kesalahan umum yang mungkin Anda temui di R adalah: Error in `contrasts<-`(`*tmp*`, value = contr.funs[1 + isOF[nn]]): contrasts can be applied only to factors with 2 or more levels Kesalahan ini terjadi ketika Anda mencoba menyesuaikan model regresi menggunakan variabel prediktor yang merupakan faktor atau sifat dan hanya memiliki satu nilai unik. Tutorial ini membagikan […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n Error in `contrasts<-`(`*tmp*`, value = contr.funs[1 + isOF[nn]]): \n contrasts can be applied only to factors with 2 or more levels<\/strong><\/pre>\n
Contoh: Cara memperbaiki \u201ckontras hanya dapat diterapkan pada faktor dengan 2 level atau lebih\u201d<\/strong><\/h3>\n
#create data frame\n<\/span>df <- data. frame<\/span> (var1=c(1, 3, 3, 4, 5),\n var2=as. factor<\/span> (4),\n var3=c(7, 7, 8, 3, 2),\n var4=c(1, 1, 2, 8, 9))\n\n#view data frame\n<\/span>df\n\n var1 var2 var3 var4\n1 1 4 7 1\n2 3 4 7 1\n3 3 4 8 2\n4 4 4 3 8\n5 5 4 2 9\n<\/strong><\/pre>\n #attempt to fit regression model<\/span>\nmodel <- lm(var4 ~ var1 + var2 + var3, data=df)\n\nError in `contrasts<-`(`*tmp*`, value = contr.funs[1 + isOF[nn]]): \n contrasts can be applied only to factors with 2 or more levels\n<\/strong><\/pre>\n #count unique values for each variable<\/span>\nsapply( lapply<\/span> (df, unique), length)\n\nvar1 var2 var3 var4 \n 4 1 4 4 \n<\/strong><\/pre>\n #display unique values for each variable\nlapply(df[c('var1', 'var2', 'var3')], unique)\n<\/span><\/span>\n$var1\n[1] 1 3 4 5\n\n$var2\n[1] 4\nLevels: 4\n\n$var3\n[1] 7 8 3 2<\/strong><\/pre>\n #fit regression model without using var2<\/em> as a predictor variable<\/span>\nmodel <- lm(var4 ~ var1 + var3, data=df)\n\n#view model summary\n<\/span>summary(model)\n\nCall:\nlm(formula = var4 ~ var1 + var3, data = df)\n\nResiduals:\n 1 2 3 4 5 \n 0.02326 -1.23256 0.91860 0.53488 -0.24419 \n\nCoefficients:\n Estimate Std. Error t value Pr(>|t|) \n(Intercept) 8.4070 3.6317 2.315 0.1466 \nvar1 0.6279 0.6191 1.014 0.4172 \nvar3 -1.1512 0.3399 -3.387 0.0772 .\n---\nSignificant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1\n\nResidual standard error: 1.164 on 2 degrees of freedom\nMultiple R-squared: 0.9569, Adjusted R-squared: 0.9137 \nF-statistic: 22.18 on 2 and 2 DF, p-value: 0.04314<\/strong><\/pre>\n Sumber daya tambahan<\/strong><\/span><\/h3>\n
Cara melakukan regresi linier berganda di R<\/a>
Bagaimana melakukan regresi logistik di R<\/p>\n","protected":false},"excerpt":{"rendered":"