<\/p>\n
Un errore comune che potresti riscontrare in R \u00e8:<\/span><\/p>\n Questo errore si verifica quando si tenta di adattare un modello di regressione utilizzando una variabile predittrice che \u00e8 un fattore o una caratteristica e ha un solo valore univoco.<\/span><\/p>\n Questo tutorial condivide i passaggi esatti che puoi utilizzare per risolvere questo errore.<\/span><\/p>\n Supponiamo di avere il seguente frame di dati in R:<\/span><\/p>\n Tieni presente che la variabile predittore var2<\/strong> \u00e8 un fattore e ha un solo valore univoco.<\/span><\/p>\n Se proviamo ad adattare un modello di regressione lineare multipla utilizzando var2<\/strong> come variabile predittrice, otterremo il seguente errore:<\/span><\/p>\n Otteniamo questo errore perch\u00e9 var2<\/strong> ha un solo valore univoco: 4. Poich\u00e9 non vi \u00e8 alcuna variazione in questa variabile predittrice, R non \u00e8 in grado di adattarsi efficacemente a un modello di regressione.<\/span><\/p>\n Possiamo effettivamente utilizzare la seguente sintassi per contare il numero di valori univoci per ciascuna variabile nel nostro frame di dati:<\/span><\/p>\n E possiamo usare la funzione lapply()<\/a> per visualizzare ciascuno dei valori univoci di ciascuna variabile:<\/span><\/p>\n Possiamo vedere che var2<\/strong> \u00e8 l’unica variabile che ha un valore univoco. Quindi, possiamo correggere questo errore semplicemente rimuovendo var2 dal modello di regressione:<\/span><\/p>\n Rimuovendo var2<\/strong> dal modello di regressione, non riscontriamo pi\u00f9 l’errore precedente.<\/span><\/p>\n Come eseguire una regressione lineare semplice in R<\/a> Un errore comune che potresti riscontrare in R \u00e8: Error in `contrasts<-`(`*tmp*`, value = contr.funs[1 + isOF[nn]]): contrasts can be applied only to factors with 2 or more levels Questo errore si verifica quando si tenta di adattare un modello di regressione utilizzando una variabile predittrice che \u00e8 un fattore o una caratteristica e ha […]<\/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
Esempio: come risolvere il problema “i contrasti possono essere applicati solo a fattori con 2 o pi\u00f9 livelli”<\/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 Risorse addizionali<\/strong><\/span><\/h3>\n
Come eseguire la regressione lineare multipla in R<\/a>
Come eseguire la regressione logistica in R<\/p>\n","protected":false},"excerpt":{"rendered":"