Как исправить в r: неверный тип (список) для переменной

Ошибка, с которой вы можете столкнуться в R:

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

Эта ошибка обычно возникает, когда вы пытаетесь подогнать модель регрессии или модель ANOVA в R и используете список для одной из переменных вместо вектора .

В этом руководстве объясняется, как исправить эту ошибку на практике.

Как воспроизвести ошибку

Предположим, я пытаюсь реализовать простую модель линейной регрессии в 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'

Я получаю сообщение об ошибке, поскольку функция lm() может принимать в качестве входных данных только векторы, а переменная x в настоящее время является списком.

Как избежать ошибки

Самый простой способ избежать этой ошибки — просто использовать функцию unlist() для преобразования переменной списка в вектор:

 #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

Обратите внимание, что на этот раз мы можем подогнать простую модель линейной регрессии без каких-либо ошибок, поскольку мы использовали unlist() для преобразования переменной x в вектор.

Обратите внимание: если вы подгоняете модель множественной линейной регрессии и у вас есть несколько переменных-предикторов, которые в настоящее время являются объектами списка, вы можете использовать unlist() для преобразования каждой из них в векторы перед подгонкой модели регрессии:

 #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

Опять же, мы не получаем никаких ошибок, поскольку мы преобразовали каждый объект в списке в векторы.

Дополнительные ресурсы

В следующих руководствах объясняется, как выполнять другие распространенные операции в R:

Как интерпретировать вывод glm в R
Как интерпретировать результаты ANOVA в R
Как обрабатывать предупреждение R: glm.fit: алгоритм не сходится