变数的长度不对是啥意思

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

我刚开始学R，做一个多元回归分析的时候出来个错误于model.frame.default(formula = y ~ x1 + x2 + 1, drop.unused.levels = TRUE) :   变数的长度不一样('x1')
我的回归模型是lm.pp=lm(y~X1+X2+1)
我想问问这个问题是因为什么以及怎么解决？
我知道这问题对于各位前辈来说是小儿科，希望看到的能屈尊帮我解答一下，不胜感激

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：Default Formula Levels 多元回归分析 Level 不胜感激 回归分析 模型

请贴出数据。

hugebear 发表于 2015-4-27 20:43
请贴出数据。

这个和数据有关系吗？那个数据太多了，我只想问用什么语句可以解决请问

Edward_ln 发表于 2015-4-27 22:03
呵呵我真是失望透顶

只看语法似乎没有问题（当然lm的用法也不是很符合规范，似乎缺少data argument，不过有可能你的X1, X2已经是单独赋值好的，另外+1可以省去），不给出数据就不知道具体问题出在哪里。

hugebear 发表于 2015-4-27 22:17
只看语法似乎没有问题（当然lm的用法也不是很符合规范，似乎缺少data argument，不过有可能你的X1, X2已经 ...

[1] 0.1711542 0.1711542 0.0473602 0.0528394 0.0344800 0.0591327 0.0186773
  [8] 0.0049060 0.9210559 0.9210559 0.9210559 0.9210559 0.9210559 0.0139109
[15] 0.0102124 0.0102124 0.0060904 0.0035406 0.0104519 0.0073866 0.0073866
[22] 0.1200630 0.4336102 0.0221270 0.0221270 0.6963651 0.0557306 0.0557306
[29] 0.0323523 0.0323523 0.0323523 0.2046583 0.0050961 0.3598951 0.3598951
[36] 0.3598951 0.6368030 0.0048807 0.0048807 0.0319843 0.0319843 0.0046135
[43] 0.0032339 0.1314720 0.0131481 0.0668875 0.0668875 0.0318239 0.0362969
[50] 0.0362969 0.0362969 0.0485866 0.0485866 0.0424391 0.0392887 0.0235403
[57] 0.0422394 0.0422394 0.0422394 0.6599238 0.8991615 0.2142630 0.2142630
[64] 0.0627508 0.0627508 0.4554334 0.4554334 0.9624618 0.0354490 0.0354490
[71] 0.0144769 0.6982505 0.3724901 0.3724901 0.0881337 0.3865509 0.0067308
[78] 0.4058144 0.1115545 0.1115545 0.4766138 0.4766138 0.5331899 0.5331899
[85] 0.1520273 0.1520273 0.0462981 0.0462981 0.0039605 0.0007510 0.0166947
[92] 0.0166947 0.0318730 0.0318730 0.0000000 0.0000000 0.0115862 0.0047325
[99] 0.0099893 0.0099893 0.0099893 0.0099893 0.0099893 0.0099893 0.3694827
[106] 0.5422576 0.4859012 0.2498173 0.2498173 0.2498173 0.2498173 0.0066904
[113] 0.0066904 0.0196445 0.0196445 0.0394043 0.0124784 0.0308927 0.0282081
[120] 0.0125818 0.0024702 0.0044543 0.0044543 0.0044543 0.0105846 0.0083144
[127] 0.0083144 0.3173136 0.3173136 0.0331428 0.1591312 0.1591312 0.1591312
[134] 0.1591312 0.1591312 0.0317188 0.0801578 0.0801578 0.0091860 0.0091860
[141] 0.0091860 0.0265250 0.0265250 0.0265250 0.0497413 0.0497413 0.1962366
[148] 0.0428778 0.0428778 0.0147634 0.3015262 0.0048832 0.0048832 0.0570457
[155] 0.0017650 0.0115167 0.0115167 0.0118611 0.0118611 0.0111902 0.0111902
[162] 0.0069724 0.0069724 0.0118201 0.0002623 0.0159579 0.0159579 0.0160904
[169] 0.0013975 0.0096110 0.0096110 0.0060498 0.0061889 0.0430108 0.1294790
[176] 0.1294790 0.0414442 0.0414442 0.0414442 0.1058741 0.1058741 0.1058741
[183] 0.2013907 0.0399834 0.0399834 0.0399834 0.0399834 0.0399834 0.2010430
[190] 0.2010430 0.1095007 0.1095007 0.0458751 0.1953666 0.1953666 0.1953666
[197] 0.0026281 0.0108808 0.0108808 0.0292064 0.0292064 0.0550422 0.0550422
[204] 0.0644616 0.0644616 0.9816579 0.5597082 0.5597082 0.1735384 0.0019082
[211] 0.0019082 0.0575308 0.0295152 0.0606916 0.0606916 0.0047142 0.0047142
[218] 0.0532435 0.1232470 0.1232470 0.2120887 0.0078827 0.0078827 0.0467958
[225] 0.0477740 0.2784675 0.0468705 0.0560676 0.1142070 0.1142070 0.0911294
[232] 0.0911294 0.0911294 0.0703755 0.0703755 0.6156687 0.4716138 0.0075611
[239] 0.2089410 0.2089410 0.2089410 0.2089410 0.2089410 0.0702827 0.0702827
[246] 0.0702827 0.0702827 0.0374786 0.0058357 0.0000000 0.3612089 0.3612089
[253] 0.0645478 0.0398538 0.0398538 0.0632467 0.2526260 0.2526260 0.1380891
[260] 0.1380891 0.1064563 0.1064563 0.1064563 0.1064563 0.6073325 0.6073325
[267] 0.6073325 0.6073325 0.6073325 0.1601280 0.0692627 0.1118350 0.0146843
[274] 0.0657143 0.0657143 0.0657143 0.0657143 0.5695518 0.0734964 0.0734964
[281] 0.0734964 0.0190911 0.0190911 0.0190911 0.0190911 0.3688891 0.3688891
[288] 0.0726936 0.0726936 0.1362687 0.1362687 0.0024945 0.0024945 0.0045422
[295] 0.0862337 0.0013052 0.0060946 0.0060946 0.0060946 0.0000000 0.0173525
[302] 0.0076008 0.0076008 0.0076008 0.0116290 0.0231497 0.0231497 0.0231497
[309] 0.0231497 0.0231497 0.0231497 0.0646623 0.0646623 0.0646623 0.0464232
[316] 0.0443038 0.0175085 0.0626876 0.1732801 0.1732801 0.1732801 0.1732801
[323] 0.0319995 0.1120184 0.1120184 0.0118853 0.0425708 0.2369736 0.0188860
[330] 0.1092738 0.1092738 0.0218909 0.0218909 0.0144756 0.0427765 0.0427765
[337] 0.0073235 0.0084183 0.0133469 0.0133469 0.0036328 0.0000000 0.1539810
[344] 0.1539810 0.0343853 0.0343853 0.0343853 0.0343853 0.0343853 0.0116490
[351] 0.0026857 0.0018530 0.0021295 0.0000000 0.0000000 0.0106243 0.0216164
[358] 0.0000000 0.0028300 0.0023693 0.0000000 0.0145094 0.0089542 0.0103555
[365] 0.0103555 0.0008917 0.0094937 0.0078890 0.1215625 0.0370746 0.0544514
[372] 0.0166479 0.0145029 0.0577932 0.0577932 0.0092423 0.0442396 0.0267276
[379] 0.0523678 0.0523678 0.0115231 0.0221449 0.0084763 0.0618702        NA
[386] 0.1210589 0.1210589 0.1855296 0.1855296 0.1855296 0.1855296 0.0393387
[393] 0.0393387 0.0055684 0.0302522 0.0302522 0.0475331 0.0568067 0.0338346
[400] 0.0224585 0.0224585 0.0224585 0.0346725 0.0392693 0.0392693 0.0297277
[407] 0.0588402 0.0588402 0.0588402 0.0010225
这是x1的数据
[1]  44534  44534  41164  50366  72287  44515  62056  53655  31314  31314
[11]  31314  31314  31314  38569  60657  60657  47891  36705  43022  79025
[21]  79025  65296  56893  40719  40719  33306  59266  59266  57424  57424
[31]  57424  30877  82797  47738  47738  47738  48209  53961  53961  55878
[41]  55878  47113  41196  62927 136529  54216  54216  58339  50968  50968
[51]  50968  29319  29319  76689  30587  59397  48350  48350  48350  20323
[61]  15919  24773  24773  32241  32241  24189  24189  21790  44883  44883
[71]  51451  35832  28417  28417  31887  46803  50665  46966  37367  37367
[81]  29740  29740  35731  35731  30577  30577  34443  34443  64818  42755
[91]  51848  51848  64367  64367  56380  56380  66569  61487  65000  65000
[101]  65000  65000  65000  65000  21978  31639  26039  46255  46255  46255
[111]  46255  52919  52919  44018  44018  51288  67716  51561  40760  53168
[121]  66939  62509  62509  62509  68286  51257  51257  40656  40656  47994
[131]  45771  45771  45771  45771  45771  62194  57697  57697  58039  58039
[141]  58039  53795  53795  53795  42361  42361  35277  60606  60606  71621
[151]  46272  55917  55917  46700  63257  50708  50708  50628  50628  46472
[161]  46472  51675  51675  60286  68602  65305  65305  48925  82084  80548
[171]  80548  72638  71806  65431  72920  72920  51022  51022  51022  43470
[181]  43470  43470  45443  48574  48574  48574  48574  48574  41440  41440
[191]  40050  40050  42176  39672  39672  39672  35682  39207  39207  54981
[201]  54981  39345  39345  61835  61835  41429  48741  48741  37575  34714
[211]  34714  39509  55878  57055  57055  63989  63989  64903  47996  47996
[221]  31348  43628  43628  44778  53455  32360  42893  57178  39756  39756
[231]  42022  42022  42022  49700  49700  20216  19931  45405  36921  36921
[241]  36921  36921  36921  46469  46469  46469  46469  34158  49167  53725
[251]  36701  36701  33510  39203  39203  28729  32635  32635  35998  35998
[261]  35488  35488  35488  35488  25671  25671  25671  25671  25671  50279
[271]  55949  57672  69594  41157  41157  41157  41157  27295  44598  44598
[281]  44598  51548  51548  51548  51548  37285  37285  62684  62684  36633
[291]  36633  41129  41129  41525  32104  41759  45907  45907  45907  63278
[301]  29797  46701  46701  46701  52913  63905  63905  63905  63905  63905
[311]  63905  51806  51806  51806  65339  50884  51781  56442  56126  56126
[321]  56126  56126  55852  33462  33462  38782  51471  60173  44987  57139
[331]  57139  43886  43886  36388  37883  37883  42350  50099  38465  38465
[341]  35812  38844  18963  18963  36871  36871  36871  36871  36871  46197
[351]  27960  34384  43847  27759  27759  26355  32218  30734  30833  29091
[361]  33696  32161  59721  40831  40831  66147  38788  59286  35537  55759
[371]  43570  46296  54084  48141  48141  45772  49038  51489  46886  46886
[381]  45160  40648  46705  43047     NA  45763  45763  40370  40370  40370
[391]  40370  53087  53087  35453  54252  54252  70037  37830  83379  51025
[401]  51025  51025  42298  46988  46988  54632  40585  40585  40585  37477
这是x2的数据
[1] 1.12 1.06 1.06 1.12 1.12 1.06 1.17 1.17 1.18 1.17 1.06 1.06 1.05 1.17
[15] 1.15 1.27 1.06 1.06 1.06 1.20 0.95 1.11 1.02 1.06 1.27 1.17 1.18 1.06
[29] 1.17 1.06 1.12 1.10 1.10 1.06 1.06 1.12 0.96 1.12 1.06 1.10 1.18 1.09
[43] 1.01 1.12 1.07 1.06 1.02 1.02 1.06 1.02 1.06 1.06 1.17 1.06 0.96 1.17
[57] 1.12 1.06 1.02 1.06 1.06 1.12 1.05 1.06 1.06 1.06 1.18 1.12 1.06 1.02
[71] 1.06 1.06 1.19 0.91 1.27 1.06 1.06 1.27 0.91 1.17 1.06 1.19 1.17 1.06
[85] 1.06 1.06 1.06 1.06 1.04 1.12 1.06 1.27 1.27 1.06 1.02 1.06 1.06 1.06
[99] 1.06 1.17 1.06 1.06 1.06 1.17 1.06 1.12 1.17 1.12 1.10 1.17 1.12 1.06
[113] 1.02 1.20 1.06 1.12 1.06 1.06 1.06 0.95 1.12 1.06 1.06 1.17 1.07 0.95
[127] 1.18 1.10 1.06 1.12 0.91 1.06 1.06 1.02 1.06 0.95 1.12 1.06 0.91 1.06
[141] 0.91 1.06 0.91 1.06 0.91 1.12 1.10 1.06 1.09 1.12 1.06 1.06 0.85 0.99
[155] 1.09 0.92 0.98 0.95 1.16 1.06 1.20 1.19 1.06 1.12 1.06 1.12 1.12 1.06
[169] 0.91 1.23 1.00 1.12 1.06 1.02 1.02 1.12 1.06 0.95 1.02 0.95 1.06 1.06
[183] 1.02 0.95 0.95 1.06 1.06 0.95 1.02 1.06 1.06 0.95 1.06 0.95 1.02 1.06
[197] 1.02 1.18 1.00 0.90 0.95 0.91 1.07 1.06 1.02 1.06 1.06 1.06 1.12 0.95
[211] 1.06 0.95 0.96 0.91 0.95 0.95 0.91 1.05 1.06 1.02 1.02 1.06 0.96 0.95
[225] 1.02 1.06 1.12 0.85 1.06 0.95 0.95 0.95 1.02 0.95 1.02 0.95 1.02 1.02
[239] 0.95 1.01 1.26 1.12 1.06 1.13 1.01 1.23 1.06 1.06 1.06 1.06 1.12 0.85
[253] 1.02 1.06 0.89 0.95 1.06 1.02 1.02 1.06 1.09 1.06 1.22 1.22 1.23 1.05
[267] 0.95 1.20 1.06 0.95 1.02 1.02 1.06 1.06 0.93 1.00 1.06 1.09 1.06 1.04
[281] 1.04 1.02 1.06 1.02 1.02 1.04 1.06 1.09 1.23 1.06 1.06 1.09 1.20 1.06
[295] 1.06 0.95 1.06 1.09 1.12 1.06 1.06 1.10 1.13 0.91 1.09 1.12 1.49 0.91
[309] 1.06 1.12 1.12 1.02 1.02 1.03 1.06 0.95 1.06 0.91 1.06 1.05 0.95 1.07
[323] 1.28 1.06 1.06 0.98 0.98 1.01 0.98 0.87 0.87 1.05 0.87 1.01 1.03 1.03
[337] 0.94 0.91 0.98 1.01 0.87 0.98 1.01 0.87 1.00 0.95 0.89 0.89 0.95 0.89
[351] 0.89 0.94 0.95 1.01 0.95 1.05 1.05 0.97 0.94 0.95 0.95 0.94 1.05 0.94
[365] 1.05 1.05 0.84 1.05 1.05 0.97 1.04 1.05 0.97 0.73 1.03 0.94 1.05 0.97
[379] 1.01 0.91 0.95 0.92 1.05 0.90 1.05 0.94 1.13 1.11 0.97 0.95 1.05 0.97
[393] 1.05 0.91 1.05 0.97 0.95 1.11 0.95 0.97 0.97 1.02
这是y的数据，大神可看出什么来了？

浏览72次是啥意思？

Edward_ln 发表于 2015-4-27 22:36
[1] 0.1711542 0.1711542 0.0473602 0.0528394 0.0344800 0.0591327 0.0186773
  [8] 0.0049060 0.92105 ...

x1和x2的长度是410， y的长度只有400, 这长度当然不相等，怎么做回归？（这个问题自己很难发现么？）

我竟无言以对

大神的意思是你的原数据不对，x个数与y的个数一样才能做回归

一般用前值代替数据中的缺失值，可以用代码写，也可以手工填写，如果有现成的处理逻辑就更好了。