R语言lm线性回归报错：0 (non-NA) cases问题求助

问题背景 #

使用R语言做线性回归时遇到两类问题：

• 仅用两个变量构建的Model_1能输出结果，但Multiple R-squared仅为0.00359，对因变量的解释力极低；
• 加入多个自变量的Model_2持续报错：

Error in lm.fit(x, y, offset = offset, singular.ok = singular.ok, ...) : 0 (non-NA) cases

尝试过na.action = 'na.exclude'参数，问题仍未解决。

Model_1代码与结果 #

Model_1 <- lm(Participation ~ Economy, data = Country1)

回归输出：

Coefficients:
            Estimate Std. Error t value Pr(>|t|)    
(Intercept) 0.211762   0.008488  24.948  < 2e-16 ***
Economy     0.180346   0.061407   2.937  0.00335 ** 
Multiple R-squared:  0.00359,   Adjusted R-squared:  0.003174

Model_2代码 #

Model_2 <- lm(data = Country1, Participation ~ Economy + Male + Young + Low_Income + High_Education + Low_Education + Pol_Interest + Gov_satisf + Trust_Parliament + Redistribution + No_protection + Gov_respons + Ref_all + Ref_none + Voters + Religious + Corr_national + Corr_local + Life_Quality + Internet_user + Employed + Unemployed + Student + Emp_Public, na.action = "na.exclude")

解决思路 #

1. 先定位缺失值分布核心问题 #

报错“0 (non-NA) cases”意味着所有样本在Model_2涉及的变量中至少有一个存在缺失，na.exclude本质是删除含缺失值的样本，自然会导致无可用观测。执行以下代码明确缺失情况：

# 查看每个变量的缺失值数量
colSums(is.na(Country1))

# 统计Model_2所有变量对应的完整观测数
target_vars <- c("Participation", "Economy", "Male", "Young", "Low_Income", "High_Education", "Low_Education", "Pol_Interest", "Gov_satisf", "Trust_Parliament", "Redistribution", "No_protection", "Gov_respons", "Ref_all", "Ref_none", "Voters", "Religious", "Corr_national", "Corr_local", "Life_Quality", "Internet_user", "Employed", "Unemployed", "Student", "Emp_Public")
sum(complete.cases(Country1[, target_vars]))

通过结果可以确认：是某个新增变量缺失率极高，还是多个变量的缺失值叠加耗尽了所有样本。

2. 调整缺失值处理策略 #

• 逐步添加变量排查：从Model_1基础上逐个添加变量，每次运行回归，找到哪个变量加入后样本骤减，再针对性处理该变量的缺失（比如删除变量、单独插补）。
• 缺失值插补：如果缺失值并非完全无意义，可进行插补：
  • 数值型变量：用均值、中位数插补
  • 分类变量：用众数插补
  • 严谨场景：用mice包做多重插补
    简单插补示例：

  # 数值型变量均值插补
  num_cols <- sapply(Country1, is.numeric)
  Country1[num_cols] <- lapply(Country1[num_cols], function(x) {
    ifelse(is.na(x), mean(x, na.rm = TRUE), x)
  })
  
  # 分类变量众数插补
  factor_cols <- sapply(Country1, is.factor)
  Country1[factor_cols] <- lapply(Country1[factor_cols], function(x) {
    mode_val <- names(which.max(table(x, useNA = "no")))
    ifelse(is.na(x), mode_val, x)
  })
  

• 删除缺失严重的变量：若某个变量缺失率超过50%且非研究核心，直接从Model_2中剔除。

3. 排查变量共线性问题 #

Model_2变量过多，需警惕完全共线性（比如Employed/Unemployed/Student这类互斥变量可能存在线性组合），可通过以下代码检测：

# 计算数值变量相关性（仅基于完整观测）
cor(Country1[num_cols], use = "complete.obs")

# 用VIF值检测共线性（需加载car包）
library(car)
vif(Model_2) # 插补完成后运行Model_2再执行此代码

若VIF值大于10，说明存在严重共线性，需删除相关变量。

4. Model_1低R²的补充建议 #

单个Economy变量解释力极低，说明需要引入更多有效变量，但需先解决Model_2的NA问题。后续可通过step()函数做逐步回归，筛选对因变量有显著影响的变量，避免无关变量导致过拟合。

内容的提问来源于stack exchange，提问作者Enosky