能否使用字符向量执行线性回归？若不能该如何转换？lm()报错求助

你的核心问题是因变量Academic.Performance是字符型的百分比等级，lm()函数要求因变量为数值型，直接传入会因为转换失败产生NA，从而触发报错。你之前处理NA的操作无效，因为这些NA是字符转数值时才生成的，并非原有数据自带的问题。

步骤1：将字符型等级转换为数值 #

需要根据百分比等级的实际含义，把它们转换成对应数值（比如取区间中点、近似下限/上限）。以下是通用处理代码：

1. 定义转换函数，覆盖常见等级格式：

convert_perf_to_num <- function(x) {
  # 移除字符串中的%符号
  x <- gsub("%", "", x)
  
  # 处理"Less than X%"的情况，示例：Less than 40%→35（取区间中点）
  if (grepl("Less than", x)) {
    num <- as.numeric(gsub("Less than ", "", x))
    return(num - 5)
  }
  
  # 处理"More than X%"的情况（若存在），示例：More than 90%→95
  else if (grepl("More than", x)) {
    num <- as.numeric(gsub("More than ", "", x))
    return(num + 5)
  }
  
  # 处理"X-Y%"的区间情况，取区间平均值
  else if (grepl("-", x)) {
    parts <- as.numeric(strsplit(x, "-")[[1]])
    return(mean(parts))
  }
  
  # 处理单个数值的情况（比如"85%"）
  else {
    return(as.numeric(x))
  }
}

2. 应用函数生成新的数值型变量：

# 创建数值型学业表现变量
data$Academic.Performance_Num <- sapply(data$Academic.Performance, convert_perf_to_num)

步骤2：检查转换结果 #

查看转换后是否存在NA（若有，说明有未覆盖的格式）：

# 统计NA数量
table(is.na(data$Academic.Performance_Num))

# 查看导致NA的原字符值
data[is.na(data$Academic.Performance_Num), "Academic.Performance"]

步骤3：运行线性回归 #

用新生成的数值型变量作为因变量：

mymodel <- lm(Academic.Performance_Num ~ x1 + x2 + x3, data = data)
summary(mymodel)

补充说明 #

• 你可以根据研究需求调整转换规则，比如“Less than 40%”也可以取40（上限）或30（保守近似值），区间也可选择取下限/上限，只要逻辑统一即可。
• 如果学业表现是有序分类变量（比如从差到好的等级），也可以考虑使用有序逻辑回归（MASS包中的polr()函数），无需转换成连续数值，更贴合变量本质。

内容的提问来源于stack exchange，提问作者Lina Kader