Come risolvere in r: tipo (elenco) non valido per la variabile
Un errore che potresti riscontrare in R è:
Error in model.frame.default(formula = y ~ x, drop.unused.levels = TRUE): invalid type (list) for variable 'x'
Questo errore si verifica in genere quando si tenta di adattare un modello di regressione o un modello ANOVA in R e si utilizza un elenco per una delle variabili anziché un vettore .
Questo tutorial spiega come correggere questo errore nella pratica.
Come riprodurre l’errore
Supponiamo che sto cercando di adattare un semplice modello di regressione lineare in R:
#define variables
x <- list(1, 4, 4, 5, 7, 8, 9, 10, 13, 14)
y <- c(10, 13, 13, 14, 18, 20, 22, 24, 29, 31)
#attempt to fit regression model
model <- lm(y ~ x)
Error in model.frame.default(formula = y ~ x, drop.unused.levels = TRUE):
invalid type (list) for variable 'x'
Ricevo un errore perché la funzione lm() può accettare solo vettori come input e la variabile x è attualmente una lista.
Come evitare l’errore
Il modo più semplice per evitare questo errore è semplicemente utilizzare la funzione unlist() per convertire la variabile di lista in un vettore:
#define variables
x <- list(1, 4, 4, 5, 7, 8, 9, 10, 13, 14)
y <- c(10, 13, 13, 14, 18, 20, 22, 24, 29, 31)
#attempt to fit regression model
model <- lm(y ~ unlist(x))
#view the model output
summary(model)
Call:
lm(formula = y ~ unlist(x))
Residuals:
Min 1Q Median 3Q Max
-1.1282 -0.4194 -0.1087 0.2966 1.7068
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 6.58447 0.55413 11.88 2.31e-06 ***
unlist(x) 1.70874 0.06544 26.11 4.97e-09 ***
---
Significant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Residual standard error: 0.8134 on 8 degrees of freedom
Multiple R-squared: 0.9884, Adjusted R-squared: 0.987
F-statistic: 681.8 on 1 and 8 DF, p-value: 4.97e-09
Tieni presente che questa volta siamo in grado di adattare il modello di regressione lineare semplice senza errori perché abbiamo utilizzato unlist() per convertire la variabile x in un vettore.
Tieni presente che se stai adattando un modello di regressione lineare multipla e disponi di più variabili predittive che attualmente sono oggetti elenco, puoi utilizzare unlist() per convertire ciascuna di esse in vettori prima di adattare il modello di regressione:
#define variables
x1 <- list(1, 4, 4, 5, 7, 8, 9, 10, 13, 14)
x2 <- list(20, 16, 16, 15, 16, 12, 10, 8, 8, 4)
y <- c(10, 13, 13, 14, 18, 20, 22, 24, 29, 31)
#fit multiple linear regression model
model <- lm(y ~ unlist(x1) + unlist(x2))
#view the model output
summary(model)
Call:
lm(formula = y ~ unlist(x1) + unlist(x2))
Residuals:
Min 1Q Median 3Q Max
-1.1579 -0.4211 -0.1386 0.3108 1.7130
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 8.34282 4.44971 1.875 0.102932
unlist(x1) 1.61339 0.24899 6.480 0.000341 ***
unlist(x2) -0.08346 0.20937 -0.399 0.702044
---
Significant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Residual standard error: 0.8599 on 7 degrees of freedom
Multiple R-squared: 0.9887, Adjusted R-squared: 0.9854
F-statistic: 305.1 on 2 and 7 DF, p-value: 1.553e-07
Ancora una volta, non riceviamo alcun errore poiché abbiamo convertito ciascuno degli oggetti nell’elenco in vettori.
Risorse addizionali
I seguenti tutorial spiegano come eseguire altre operazioni comuni in R:
Come interpretare l’output glm in R
Come interpretare i risultati ANOVA in R
Come gestire R Avviso: glm.fit: l’algoritmo non converge