R中的线性回归模型

我对R完全是个新手，我有一个使用线性回归的任务，我们必须产生两个不同的模型，看看哪一个模型更能预测疼痛。第一个模型只包含年龄和性别。第二个模型包括额外的变量；状态-特质焦虑量表得分、疼痛灾难性量表、注意意识量表，以及唾液和血清（血液）中皮质醇水平的测量

研究问题表明，我们需要进行分层回归，通过构建一个包含年龄和性别作为疼痛预测因子的模型（模型1），然后构建一个新的模型，该模型包含以下预测因子：年龄、性别、STAI、疼痛灾难、正念和皮质醇测量（模型2）。因此，模型1中使用的预测值是模型2中使用的预测值的子集。两种模型完成后，需要进行比较，以评估模型2与模型1相比是否获得了关于疼痛的大量新信息

我对“性别”作为变量有很多问题，有人把“3”编码为“3”，而不是男性和女性，尽管我已经排除了分数，“3”在数据集中仍然是一个水平，有没有办法消除这个问题

此外，我如何将“性”转换为“因子”类型向量而不是“角色”向量？在模型中，分类变量可以作为预测因子吗？我尝试使用以下命令执行此操作，但它仍然返回错误

sex_vector <- c("female", "male") etc.
factor.sex.vector <- factor(sex.vector)

---

消除不需要的值，然后按照mt1022的建议再次应用系数：

factor.sex.vector <- subset(factor.sex.vector, factor.sex.vector != 3)
factor.sex.vector <- factor(factor.sex.vector)

---

factor.sex.vector消除不需要的值，然后按照mt1022的建议再次应用factor：

factor.sex.vector <- subset(factor.sex.vector, factor.sex.vector != 3)
factor.sex.vector <- factor(factor.sex.vector)

factor.sex.vector