在model.frame.default（Terms，newdata，na.action=na.action，xlev=object$xlevels）中不断获取错误：因子sub有新的级别

我试图根据人力资源数据做一个线性回归。我不断得到错误，我的因子subc有了新的水平

我是超级新手，所以如果我犯了任何明显的错误，我道歉！提前谢谢你，我真的迷路了，绝望了

这是我用来这样做的代码。Dat是我的数据帧名称，commons和techs是指类似于CloseFriendsG1的其他列

commons<-grep("^C",rownames(dat),value=TRUE)
type_q=rep("Common",dim(dat)[1])
type_q[techs]="Technical"
dat$totals<-rowSums(dat[,techs])+rowSums(dat[,commons])
head(dat)
set.seed(2016)
Train=sample(1:156,110,replace=FALSE)
ModTrain<-lm(totals~.,data=dat[Train,])
ModTest<-predict(ModTrain,newdata=dat[-Train,])``

---

commons添加一点解释，您的列
id
很可能是一个唯一的条目，当您执行
totals~。
时，您将针对除
totals
之外的所有列进行回归。如果每个
id
因子只有一个观察值，则无法对其进行估计，且回归为。。胡说八道：

da = data.frame(id=factor(1:10),x=runif(10),y=runif(10),z=runif(10))
trn = 1:5
mod = lm(y ~ .,data=da[trn,])

summary(mod)

Call:
lm(formula = y ~ ., data = da[trn, ])

Residuals:
ALL 5 residuals are 0: no residual degrees of freedom!

Coefficients: (2 not defined because of singularities)
            Estimate Std. Error t value Pr(>|t|)
(Intercept)  0.48208         NA      NA       NA
id2          0.11749         NA      NA       NA
id3          0.01146         NA      NA       NA
id4         -0.29586         NA      NA       NA
id5          0.34529         NA      NA       NA
x                 NA         NA      NA       NA
z                 NA         NA      NA       NA

您可以在进行模型拟合时将其删除：

mod = lm(y ~ .,data=da[trn,-1])
predict(mod,da[-trn,])
        6         7         8         9        10 
0.2992070 1.2727160 0.7789787 0.6585381 0.4227041 

例如，使用
lm（totals~，data=dat[Train，-1]）
或
lm（totals~，data=dat[Train，！grepl（“subc”，colname（dat）））
。id是否在用于预测的data.frame中并不重要。
您可以将
sub
作为一个预测器来实现。从数据框中删除
sub
。