model.frame.default（Terms，newdata，na.action=na.action，xlev=object$xlevels）中的错误：变量长度不同（为'；因子（DAF）'；）_R

model.frame.default（Terms，newdata，na.action=na.action，xlev=object$xlevels）中的错误：变量长度不同（为'；因子（DAF）'；）

model.frame.default（Terms，newdata，na.action=na.action，xlev=object$xlevels）中的错误：变量长度不同（为'；因子（DAF）'；）,r,R,我正在使用一个回归模型（MWTBest=428-7.69*糖尿病-72.1*心房纤颤-130*DAF），如果我在变量糖尿病和心房纤颤中替换1或0，我将尝试快速查看模型的值。当我使用prediction（）时，我很难理解为什么会出现此错误：我的所有变量“Diabetes”、“AtrialFib”和“DAF”都具有相同的长度，并且没有任何缺失值： > length(COPD$Diabetes) [1] 101 > length(DAF) [1] 101 > length(COPD

我正在使用一个回归模型

（MWTBest=428-7.69*糖尿病-72.1*心房纤颤-130*DAF）

，如果我在变量

糖尿病

和

心房纤颤

中替换1或0，我将尝试快速查看模型的值。当我使用

prediction（）

时，我很难理解为什么会出现此错误：

我的所有变量“Diabetes”、“AtrialFib”和“DAF”都具有相同的长度，并且没有任何缺失值：

> length(COPD$Diabetes)
[1] 101
> length(DAF)
[1] 101
> length(COPD$AtrialFib)
[1] 101
> sum(is.na(COPD$Diabetes))
[1] 0
> sum(is.na(COPD$DAF))
[1] 0
> sum(is.na(COPD$AtrialFib))
[1] 0

以下是有关我的数据集的更多信息：

> str(COPD)
'data.frame':   101 obs. of  24 variables:
 $ X           : int  1 2 3 4 5 6 7 8 9 10 ...
 $ ID          : int  58 57 62 145 136 84 93 27 114 152 ...
 $ AGE         : int  77 79 80 56 65 67 67 83 72 75 ...
 $ PackHistory : num  60 50 11 60 68 26 50 90 50 6 ...
 $ COPDSEVERITY: Factor w/ 4 levels "MILD","MODERATE",..: 3 2 2 4 3 2 3 3 2 3 ...
 $ MWT1        : int  120 165 201 210 204 216 214 214 231 226 ...
 $ MWT2        : int  120 176 180 210 210 180 237 237 237 240 ...
 $ MWT1Best    : int  120 176 201 210 210 216 237 237 237 240 ...
 $ FEV1        : num  1.21 1.09 1.52 0.47 1.07 1.09 0.69 0.68 2.13 1.06 ...
 $ FEV1PRED    : num  36 56 68 14 42 50 35 32 63 46 ...
 $ FVC         : num  2.4 1.64 2.3 1.14 2.91 1.99 1.31 2.23 4.38 2.06 ...
 $ FVCPRED     : int  98 65 86 27 98 60 48 77 80 75 ...
 $ CAT         : int  25 12 22 28 32 29 29 22 25 31 ...
 $ HAD         : num  8 21 18 26 18 21 30 2 6 20 ...
 $ SGRQ        : num  69.5 44.2 44.1 62 75.6 ...
 $ AGEquartiles: int  4 4 4 1 1 2 2 4 3 3 ...
 $ copd        : int  3 2 2 4 3 2 3 3 2 3 ...
 $ gender      : Factor w/ 2 levels "0","1": 2 1 1 2 2 1 1 2 2 1 ...
 $ smoking     : int  2 2 2 2 2 1 1 2 1 2 ...
 $ Diabetes    : int  1 1 1 0 0 1 1 1 1 0 ...
 $ muscular    : int  0 0 0 0 1 0 0 0 0 1 ...
 $ hypertension: int  0 0 0 1 1 0 0 0 0 0 ...
 $ AtrialFib   : int  1 1 1 1 0 1 1 1 1 0 ...
 $ IHD         : int  0 1 0 0 0 0 0 0 0 0 ...

我通过将糖尿病和心房纤颤相乘来创建DAF，还有更多关于r123的信息

> DAF<-COPD$Diabetes*COPD$AtrialFib
> str(DAF)
 int [1:101] 1 1 1 0 0 1 1 1 1 0 ...
> r123<-lm(MWT1Best~factor(Diabetes)+factor(AtrialFib)+factor(DAF), data=COPD)
> summary(r123) 

Call:
lm(formula = MWT1Best ~ factor(Diabetes) + factor(AtrialFib) + 
    factor(DAF), data = COPD)

Residuals:
    Min      1Q  Median      3Q     Max 
-218.15  -51.88   18.70   51.85  270.86 

Coefficients:
                   Estimate Std. Error t value Pr(>|t|)    
(Intercept)          428.14      10.39  41.200  < 2e-16 ***
factor(Diabetes)1     -7.69      28.02  -0.274  0.78436    
factor(AtrialFib)1   -72.05      29.21  -2.467  0.01541 *  
factor(DAF)1        -130.11      47.70  -2.727  0.00759 ** 
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 86.32 on 96 degrees of freedom
  (1 observation deleted due to missingness)
Multiple R-squared:  0.3635,    Adjusted R-squared:  0.3437 
F-statistic: 18.28 on 3 and 96 DF,  p-value: 1.841e-09

>DAF str（DAF）
int[1:101]10100110。。。
>r123摘要（r123）
电话：
lm（公式=MWT1最佳~因子（糖尿病）+因子（心房颤动）+
系数（DAF），数据=COPD）
残差：
最小1季度中值3季度最大值
-218.15  -51.88   18.70   51.85  270.86 
系数：
估计标准误差t值Pr（>t）
（截距）428.14 10.39 41.200<2e-16***
因子（糖尿病）1-7.69 28.02-0.274 0.78436
系数（AtrialFib）1-72.05 29.21-2.467 0.01541*
系数（DAF）1-130.11 47.70-2.727 0.00759**
---
签名。代码：0'***'0.001'***'0.01'*'0.05'.'0.1''1
剩余标准误差：96自由度时为86.32
（1项因缺失而删除的观察）
倍数R平方：0.3635，调整后的R平方：0.3437
F-统计量：3和96 DF上的18.28，p-值：1.841e-09

由于您的一个预测值是其他两个预测值的函数，因此出现这种情况，您对DAF预测值使用的

预测

函数似乎不正确

因为我没有你的模型来测试，这更像是一个使用BaseR的预测函数的蛮力解决方案。在这里，我们将生成2个预测变量和派生变量的所有可能组合（本例中仅4个组合）

将+替换为*后，模型将考虑所有交互。

我不确定哪个包包含

预测功能。但是basepredict（）
函数使用的是数据帧而不是列表。谢谢你的指针。该函数来自同名的包prediction
，它应该通过predict
从模型对象中提取预测值并返回数据帧。我试图像你说的那样删除列表，但不幸地得到了一个类似的错误：>预测（r123，data=find_data（r123，parent.frame（COPD$Diabetes）），at=list（Diabetes=c（0,1）））model.frame.default中的错误（Terms，newdata，na.action=na.action，xlev=object$xlevels）：变量长度不同（为“factor（DAF）”找到）
感谢您抽出时间回答。我使用了您的第一种方法，但不幸的是model.frame.default（Terms，newdata，na.action=na.action，xlev=object$xlevels）中又出现了一个错误：'data'必须是data.frame，而不是矩阵或数组。

函数

predict

似乎不接受矩阵。第二种方法有效，我只是想知道是否有一种更简单的方法可以代替预测变量中的1和0，而不必手动计算？哦，实际上第二种方法非常有效！我基本上像你说的那样删除了DAF，效果很好：

r123@inkyfingers，很高兴它现在起作用了。我修复了第一个选项的data.frame错误。请考虑接受答案来结束这个问题。第一个答案现在也起作用了！我不得不在谷歌上搜索如何接受答案，但我没有意识到这是可以做到的。我接受了，再次感谢！
> DAF<-COPD$Diabetes*COPD$AtrialFib
> str(DAF)
 int [1:101] 1 1 1 0 0 1 1 1 1 0 ...
> r123<-lm(MWT1Best~factor(Diabetes)+factor(AtrialFib)+factor(DAF), data=COPD)
> summary(r123) 

Call:
lm(formula = MWT1Best ~ factor(Diabetes) + factor(AtrialFib) + 
    factor(DAF), data = COPD)

Residuals:
    Min      1Q  Median      3Q     Max 
-218.15  -51.88   18.70   51.85  270.86 

Coefficients:
                   Estimate Std. Error t value Pr(>|t|)    
(Intercept)          428.14      10.39  41.200  < 2e-16 ***
factor(Diabetes)1     -7.69      28.02  -0.274  0.78436    
factor(AtrialFib)1   -72.05      29.21  -2.467  0.01541 *  
factor(DAF)1        -130.11      47.70  -2.727  0.00759 ** 
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 86.32 on 96 degrees of freedom
  (1 observation deleted due to missingness)
Multiple R-squared:  0.3635,    Adjusted R-squared:  0.3437 
F-statistic: 18.28 on 3 and 96 DF,  p-value: 1.841e-09

#Devise the new test matrix
predictdf<-expand.grid(Diabetes=c(0,1), AtrialFib = c(0,1))
predictdf$DAF <- predictdf$Diabetes * predictdf$AtrialFib

#convert from integers to factors (to match the model)
predictdf<-apply(predictdf, 2, factor)
#preform the prediction
predict(r123, data.frame(predictdf))

lm(MWT1Best~factor(Diabetes)*factor(AtrialFib), data=COPD)