lm公式中的拖放变量仍会触发对比度误差

Question

我试图仅对数据的一部分运行lm（），并遇到问题。

dt = data.table(y = rnorm(100), x1 = rnorm(100), x2 = rnorm(100), x3 = as.factor(c(rep('men',50), rep('women',50)))) # sample data

lm( y ~ ., dt) # Use all x: Works
lm( y ~ ., dt[x3 == 'men']) # Use all x, limit to men: doesn't work (as expected)

上面的方法不起作用，因为数据集现在只有人，因此我们不能将x3（性别变量）纳入模型。但是...

lm( y ~ . -x3, dt[x3 == 'men']) # Exclude x3, limit to men: STILL doesn't work
lm( y ~ x1 + x2, dt[x3 == 'men']) # Exclude x3, with different notation: works great

这与公式中的“减号”符号有关吗？请指教。注意：当然，我可以用其他方法来做；例如，我可以在将变量放入lm（）之前排除它们。但是我正在教一门关于此类内容的课程，并且我不想让学生感到困惑，因为他们已经告诉他们可以在公式中使用减号来排除变量。

Answer 1

是的，我确实相信方程式中间的减号是个问题，因为（我相信，但可能是错误的），该公式认为您正在尝试在此公式中减去一列（而不是删除该列）来自数据集）。我认为您得到的错误是因为x3仍在模型中，但只有一个值= "men"

解决它的一种方法是提前子集：

dt = data.table(y = rnorm(100), x1 = rnorm(100), x2 = rnorm(100), x3 = as.factor(c(rep('men',50), rep('women',50)))) # sample data

dmen<-dt[x3 == 'men'] # create a new subsetted dataset with just men

lm( y ~ ., dmen[,-"x3"]) # now drop the x3 column from the dataset (just for the model)

或者您可以在同一步骤中同时做这两项：

lm( y ~ ., dt[x3 == 'men',-"x3"])