使用polr对多个共线数据进行训练后调用predict

请看下面的代码。这个问题以前被问过，但后来被关闭了——可能是因为缺少R代码来重现这个问题

基本上，当数据中存在多重共线性时，在调用

predict（）

期间，使用Polr训练的模型是有问题的。我错过了什么

下面粗体部分是R对我说的。剩下的是我的代码。

r = c(2,2,2,3,3,3,1,1,1,1)
r = as.factor(r)
x = c(0,0,0,4,5,6,0,-1,-1,1)
y = c(5,5,2,1,0,3,10,4,3,8)
z = c(0,0,0,4,5,6,0,-1,-1,1)
a = data.frame(r,x,y,z)

library(MASS)
model <- polr(r~x+z, data=a, Hess=TRUE)

X%*%object$系数中的错误：不一致参数

X%*%object$系数中的错误：不一致参数

X%*%object$系数中的错误：不一致参数

[1]13 13 1 2
级别：1 2 3

[1]13 13 1 2
级别：1 2 3

[1]13 13 1 2
级别：1 2 3

---

现在，我已经设置了一个while循环来检测多重共线性。它删除了被忽略的预测值，并再次训练模型。您可能希望预测方法能够支持它。

test = model.frame(r~x+ z, data=a)
predict(model, test, type="class", s=model$lambda.min)

test2 = model.frame(r~x, data=a)
predict(model, test2, type="class", s=model$lambda.min)

test3 = model.frame(~x, data=a)
predict(model, test2, type="class", s=model$lambda.min)

model2 = polr(r~x, data=a, Hess=TRUE)
predict(model2, test, type="class", s=model$lambda.min)

predict(model2, test2, type="class", s=model$lambda.min)

predict(model2, test3, type="class", s=model$lambda.min)