R语言多项逻辑回归出现‘groups are empty’警告求助

问题根源 #

你遇到的警告是因为原始数据中的id是因子类型——虽然你通过子集化删除了a/b/c/d对应的观测，但因子变量的「水平（levels）」并没有自动删除。这些空水平依然存在于数据的因子属性中，当multinom建模时检测到训练集里这些水平没有对应数据，就会抛出警告。

你可以先运行以下代码验证这一点：

levels(train$id)

输出里肯定还能看到a/b/c/d这几个水平。

解决方法 #

方法1：子集化后清理因子水平

在子集化数据后，用droplevels()函数移除没有观测的空因子水平，再进行抽样和建模：

# 子集化数据
data <- subset(data, !(id %in% c('a','b', 'c', 'd')))
# 清理空因子水平
data$id <- droplevels(data$id)

# 后续抽样与建模步骤
set.seed(1)
sample <- sample(c(TRUE, FALSE), nrow(data), replace=TRUE, prob=c(0.7,0.3))
train  <- data[sample, ]
test <- data[!sample, ]
model <- multinom(id ~ x + y + z, data=train, maxit = 1000)

方法2：直接转换为字符再转回因子

如果确认不再需要旧的因子水平，可以将id先转成字符型，再重新转为因子，自动过滤空水平：

data$id <- as.factor(as.character(data$id))

方法3：建模前单独处理训练集

如果不想修改原始子集化后的data，也可以在建模前单独清理训练集的id因子水平：

train$id <- droplevels(train$id)
model <- multinom(id ~ x + y + z, data=train, maxit = 1000)

预防措施 #

后续处理因子型变量时，只要做了子集化、筛选等删除部分观测的操作，都建议用droplevels()清理无效水平，避免类似的警告或分析误差。

内容的提问来源于stack exchange，提问作者BeginnersMindTruly