在R中进行线性回归时，如何有条件地删除因子的NA观察？

我正在尝试在 R 中建立一个简单的线性回归模型。

模型中有三个因子变量。

模型是

lm(Exercise ~ Econ + Job + Position)

其中“锻炼”是数字因变量，即锻炼的时间量。

“经济”、“工作”、“职位”都是因子变量。

“经济”是指一个人是否有工作。 （级别=就业/未就业）

“工作”是一个人所从事的工作类型。该变量有五个级别。

“职位”是一个人在职场中的地位。该变量也有五个级别。

我尝试进行线性回归并得到一个错误，

"contrasts can be applied only to factors with 2 or more levels"

我认为这个错误是由于因子水平中的 NA 造成的，因为如果“Econ”等于“失业”，则“Job”和“Position”的值就为 NA。 （因为显然失业者没有工作类型和工作职位）

如果我像下面这样分别回归两个模型，则不会发生错误。

lm(Exercise ~ Econ)

lm(Exercise ~ Job + Position)

但是，我想要一种可以根据需要自动使用变量的模型，以及一张结果表。因此，如果“Econ”是“受雇”，则“Job”、“Position”变量将用于回归。如果“Econ”为“失业”，则“Job”、“Position”变量会自动从模型中删除。

我想要一个模型而不是两个模型的原因是通过将所有变量放入模型中，我可以看到“经济”（就业或失业）对“就业”人群的影响

如果我只是回归

lm(Exercise ~ Job + Position)

不知道就业效果如何。

我想到了一个解决方案，为“工作”和“职位”的所有 NA 值设置 0 =“失业水平”，但我不确定这是否能解决问题，并认为这可能会导致多重共线性问题。

有没有办法根据其他因素变量自动/有条件地删除 NA 观测值？

下面是我的可重现的例子。

    Exercise <- c(50, 30, 25, 44, 32, 50 ,22, 14)
    Econ <- as.factor(c(1, 0, 1, 1, 0, 0, 1, 1)) 
    # 0 = unemployed, 1 =  employed

    Job <- as.factor(c("A", NA, "B", "B", NA, NA, "A", "C"))

    Position <- as.factor(c("Owner", NA,"Employee", "Owner", 
                        NA, NA, "Employee", "Director")) 

    data <- data.frame(Exercise, Econ, Job, Position)

    str(data)

    lm(Exercise ~ Econ + Job + Position)

    lm(Exercise ~ Econ)

    lm(Exercise ~ Job + Position)

这里我想要的是第一个模型 lm(Exercise ~ Econ + Job + Position)，但我得到一个错误，因为对于所有 Econ = 0(失业)，Job 和 Position 值都是 NA。

如果您真的只想第一个模型运行而不会出现错误（假设您正在使用相同的缺失值处理），那么您可以这样做。

lm(Exercise ~ as.integer(Econ) + Job + Position)

请注意，您真正所做的只是找到与第三个模型相同的结果。

lm(Exercise ~ Job + Position) # third model
lm(Exercise ~ as.integer(Econ) + Job + Position) # first model

coef(lm(Exercise ~ Job + Position))
coef(lm(Exercise ~ as.integer(Econ) + Job + Position))

除非您改变处理缺失值的方式，否则您想要的第一个模型lm(Exercise ~ Econ + Job + Position)相当于第三个模型lm(Exercise ~ Job + Position)这就是原因。

默认情况下，na.action = na.omit内lm功能。这意味着任何包含预测变量或响应变量缺失值的行都将被删除。您可以通过多种方式查看这一点。一种是通过申请model.matrix这是什么lm会在幕后做的。

model.matrix(Exercise ~ Econ + Job + Position)
  (Intercept) Econ1 JobB JobC PositionEmployee PositionOwner
1           1     1    0    0                0             1
3           1     1    1    0                1             0
4           1     1    1    0                0             1
7           1     1    0    0                1             0
8           1     1    0    1                0             0

正如您已经正确指出的那样，Econ = 0完全符合position = NA。因此，lm放弃这些观察，你最终会得到Econ具有单一值lm不知道如何处理单一水平的因素。我通过使用绕过了这个错误as.integer()但是，您最终仍然会得到只有一个值的预测变量。

Next, lm会默默地放弃这样的预测，这就是为什么你会得到一个NA对于系数as.integer(Econ)。这是因为默认为singular.ok = TRUE.

如果你要设置singular.ok = FALSE你会得到一个错误，基本上是说你正在尝试拟合一个只有一个预测变量值的模型。

lm(Exercise ~ as.integer(Econ) + Job + Position, singular.ok = FALSE)
Error in lm.fit(x, y, offset = offset, singular.ok = singular.ok, ...) : 
  singular fit encountered