Como corrigir: os contrastes só podem ser aplicados a fatores com 2 ou mais níveis

Um erro comum que você pode encontrar em R é:

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

Esse erro ocorre quando você tenta ajustar um modelo de regressão usando uma variável preditora que é um fator ou uma característica e possui apenas um valor exclusivo.

Este tutorial compartilha as etapas exatas que você pode usar para resolver esse erro.

Exemplo: Como corrigir “contrastes só podem ser aplicados a fatores com 2 ou mais níveis”

Suponha que temos o seguinte quadro de dados em R:

 #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

Observe que a variável preditora var2 é um fator e possui apenas um valor exclusivo.

Se tentarmos ajustar um modelo de regressão linear múltipla usando var2 como variável preditora, obteremos o seguinte erro:

 #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

Obtemos esse erro porque var2 tem apenas um valor único: 4. Como não há variação nesta variável preditora, R não consegue ajustar efetivamente um modelo de regressão.

Na verdade, podemos usar a seguinte sintaxe para contar o número de valores exclusivos para cada variável em nosso quadro de dados:

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

var1 var2 var3 var4 
   4 1 4 4 

E podemos usar a função lapply() para exibir cada um dos valores exclusivos de cada variável:

 #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

Podemos ver que var2 é a única variável que possui um valor único. Portanto, podemos corrigir esse erro simplesmente removendo var2 do modelo de regressão:

 #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

Ao remover var2 do modelo de regressão, não encontramos mais o erro anterior.

Recursos adicionais

Como realizar regressão linear simples em R
Como realizar regressão linear múltipla em R
Como realizar regressão logística em R