当许多预测变量需要转换时，可以用什么R函数代替box.tidewell（）？

Question

我正在对包含一个因变量和13个独立变量的数据集进行多元回归。

box.tidewell()方法仅适用于前6个预测变量，之后达到最大迭代次数。

我尝试在参数中更改max.inter的数量，但显示以下错误：Error in lm.fit(cbind(1, x1.p, x2), y, ...) : NA/NaN/Inf dans 'x'。

顺便说一下，我尝试了以下方法：

boxTidwell(df$density~df$age+df$weight+df$height+df$neck+df$chest+df$abdomen+df$hip+df$thigh+df$knee+df$ankle+df$biceps+df$forearm+df$wrist,data=df)

和

boxTidwell(df$density~.,data=df)

但没有任何作用。

谢谢您的帮助。

最好的问候，Louis de Vitry

Answer 1

我有一个导致此错误的计算变量（var_c = var_a / var_b）：lm.fit中的错误（cbind（1，x.log.x，x1.p，x2），y，...）：NA / “x”中的NaN / Inf

我舍入该变量以消除任何重复的小数，这就解决了这个问题。例如：NNdata $ REPEAT_PRPRTN < - round（NNdata $ REPEAT_PRPRTN，digits = 2）

我不确定为什么会这样，但它可能是一个领先者。