ပြုပြင်နည်း- အဆင့် 2 သို့မဟုတ် ထို့ထက်ပိုသောအချက်များတွင် ဆန့်ကျင်ဘက်များကိုသာ အသုံးချနိုင်သည်။

R တွင် သင်ကြုံတွေ့ရလေ့ရှိသော အမှားတစ်ခုမှာ-

 Error in `contrasts<-`(`*tmp*`, value = contr.funs[1 + isOF[nn]]): 
  contrasts can be applied only to factors with 2 or more levels

ကိန်းဂဏန်းတစ်ခု သို့မဟုတ် စရိုက်လက္ခဏာတစ်ခုဖြစ်ပြီး ထူးခြားသောတန်ဖိုးတစ်ခုသာရှိသည့် ခန့်မှန်းကိန်းရှင်ကိန်းရှင်ကို အသုံးပြု၍ ဆုတ်ယုတ်မှုပုံစံတစ်ခုကို အံကိုက်ပြုလုပ်ရန် ကြိုးပမ်းသည့်အခါ ဤအမှားသည် ဖြစ်ပေါ်လာသည်။

ဤသင်ခန်းစာသည် ဤအမှားအယွင်းကို ဖြေရှင်းရန် သင်အသုံးပြုနိုင်သည့် တိကျသောအဆင့်များကို မျှဝေပါသည်။

ဥပမာ- “ ဆန့်ကျင်ဘက်များကို အဆင့် 2 သို့မဟုတ် ထို့ထက်ပိုသော အဆင့်များရှိသည့် အကြောင်းရင်းများတွင်သာ ယှဉ်တွဲနိုင်သည်” ကို ပြင်ဆင်နည်း

R တွင် အောက်ပါ data frame ရှိသည်ဆိုပါစို့။

 #create data frame
df <- data. frame (var1=c(1, 3, 3, 4, 5),
                 var2=as. factor (4),
                 var3=c(7, 7, 8, 3, 2),
                 var4=c(1, 1, 2, 8, 9))

#view data frame
df

  var1 var2 var3 var4
1 1 4 7 1
2 3 4 7 1
3 3 4 8 2
4 4 4 3 8
5 5 4 2 9

ကြိုတင်ခန့်မှန်းကိန်းရှင် var2 သည် ကိန်းဂဏန်းတစ်ခုဖြစ်ပြီး ထူးခြားသောတန်ဖိုးတစ်ခုသာရှိကြောင်း သတိပြုပါ။

ကြိုတင်ခန့်မှန်းကိန်းရှင်အဖြစ် var2 ကိုအသုံးပြု၍ များစွာသောမျဉ်းကြောင်းဆုတ်ယုတ်မှုပုံစံကို အံဝင်ခွင်ကျဖြစ်အောင် ကျွန်ုပ်တို့ကြိုးစားပါက၊ ကျွန်ုပ်တို့သည် အောက်ပါအမှားကို ရရှိလိမ့်မည်-

 #attempt to fit regression model
model <- lm(var4 ~ var1 + var2 + var3, data=df)

Error in `contrasts<-`(`*tmp*`, value = contr.funs[1 + isOF[nn]]): 
  contrasts can be applied only to factors with 2 or more levels

var2 တွင် ထူးခြားသောတန်ဖိုးတစ်ခုသာရှိသည်- 4. ဤကြိုတင်ခန့်မှန်းကိန်းရှင်တွင် ကွဲလွဲမှုမရှိသောကြောင့် R သည် ဆုတ်ယုတ်မှုပုံစံကို ထိထိရောက်ရောက် အံမဝင်နိုင်ပါ။

ကျွန်ုပ်တို့သည် ကျွန်ုပ်တို့၏ဒေတာဘောင်ရှိ ကိန်းရှင်တစ်ခုစီအတွက် ထူးခြားသောတန်ဖိုးများအရေအတွက်ကိုရေတွက်ရန် အောက်ပါ syntax ကို အမှန်တကယ်အသုံးပြုနိုင်သည်-

 #count unique values for each variable
sapply( lapply (df, unique), length)

var1 var2 var3 var4 
   4 1 4 4 

ပြီးတော့ variable တစ်ခုစီရဲ့ ထူးခြားတဲ့တန်ဖိုးတွေကို ပြသဖို့အတွက် lapply() လုပ်ဆောင်ချက်ကို အသုံးပြုနိုင်ပါတယ်။

 #display unique values for each variable
lapply(df[c('var1', 'var2', 'var3')], unique)

$var1
[1] 1 3 4 5

$var2
[1] 4
Levels: 4

$var3
[1] 7 8 3 2

var2 သည် ထူးခြားသောတန်ဖိုးရှိသော တစ်ခုတည်းသောကိန်းရှင်ဖြစ်ကြောင်း ကျွန်ုပ်တို့တွေ့မြင်နိုင်ပါသည်။ ထို့ကြောင့်၊ ကျွန်ုပ်တို့သည် var2 ကို regression model မှဖယ်ရှားရုံဖြင့် ဤအမှားကိုပြင်နိုင်သည်-

 #fit regression model without using var2 as a predictor variable
model <- lm(var4 ~ var1 + var3, data=df)

#view model summary
summary(model)

Call:
lm(formula = var4 ~ var1 + var3, data = df)

Residuals:
       1 2 3 4 5 
 0.02326 -1.23256 0.91860 0.53488 -0.24419 

Coefficients:
            Estimate Std. Error t value Pr(>|t|)  
(Intercept) 8.4070 3.6317 2.315 0.1466  
var1 0.6279 0.6191 1.014 0.4172  
var3 -1.1512 0.3399 -3.387 0.0772 .
---
Significant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 1.164 on 2 degrees of freedom
Multiple R-squared: 0.9569, Adjusted R-squared: 0.9137 
F-statistic: 22.18 on 2 and 2 DF, p-value: 0.04314

regression model မှ var2 ကို ဖယ်ရှားခြင်းဖြင့်၊ ယခင် error ကို ကျွန်ုပ်တို့ မကြုံတွေ့ရတော့ပါ။

ထပ်လောင်းအရင်းအမြစ်များ

R တွင် ရိုးရှင်းသော linear regression လုပ်နည်း
R တွင် linear regression အများအပြားလုပ်ဆောင်နည်း
R တွင် logistic regression ကို မည်သို့လုပ်ဆောင်ရမည်နည်း