Como corrigir em r: tipo inválido (lista) para variável

Um erro que você pode encontrar no R é:

 Error in model.frame.default(formula = y ~ x, drop.unused.levels = TRUE): 
  invalid type (list) for variable 'x' 

Este erro geralmente ocorre quando você tenta ajustar um modelo de regressão ou modelo ANOVA em R e usa uma lista para uma das variáveis em vez de um vetor .

Este tutorial explica como corrigir esse erro na prática.

Como reproduzir o erro

Suponha que estou tentando ajustar um modelo de regressão linear simples em 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'

Estou recebendo um erro porque a função lm() só pode receber vetores como entrada e a variável x é atualmente uma lista.

Como evitar o erro

A maneira mais fácil de evitar esse erro é simplesmente usar a função unlist() para converter a variável da lista em um vetor:

 #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

Observe que desta vez conseguimos ajustar o modelo de regressão linear simples sem erros porque usamos unlist() para converter a variável x em um vetor.

Observe que se você estiver ajustando um modelo de regressão linear múltipla e tiver diversas variáveis preditoras que atualmente são objetos de lista, poderá usar unlist() para converter cada uma delas em vetores antes de ajustar o modelo de regressão:

 #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

Novamente, não recebemos nenhum erro, pois convertemos cada um dos objetos da lista em vetores.

Recursos adicionais

Os tutoriais a seguir explicam como realizar outras operações comuns em R:

Como interpretar a saída do glm em R
Como interpretar os resultados da ANOVA em R
Como lidar com o aviso R: glm.fit: algoritmo não convergiu