回归中‘Coefficients: not defined because of singularities’错误解决方法

你当前的回归报错核心原因有两个：

• 数据类型错误：所有数值列被存为字符型，dynlm自动将其处理为因子变量，生成了大量虚拟变量（比如Jan14就衍生出3个虚拟变量），直接导致自变量维度远超观测数。
• 自由度严重不足：仅4个观测值，却加入了24个月度变量+多个其他自变量，完全没有剩余自由度估计残差，出现完美拟合（残差全为0）和奇点问题。

一、先修复数据类型 #

首先把所有数值列转换为数值型，避免因子变量爆炸：

# 除Office列外，其余列转为数值类型
D[, -1] <- lapply(D[, -1], as.numeric)

二、精简自变量，解决自由度不足 #

4个观测最多只能估计3个非截距项系数（自由度=观测数-自变量数-1），必须大幅精简变量：

• 合并月度变量：将2014、2015年的月度数据求和/取平均，生成年度总变量，或合并为季度变量，减少自变量数量。
• 规避虚拟变量陷阱：urad_1-urad_4是互斥分组虚拟变量，只需保留3个（比如去掉urad_1），避免完全共线性。
• 筛选核心变量：优先保留对entries17解释力强的变量（比如entries16，年度数据相关性更高），去掉冗余月度变量。

示例简化模型：

# 生成2014、2015年度总变量替代月度变量
D$total_2014 <- rowSums(D[, paste0(c("Jan","Feb","Mar","Apr","May","Jun","Jul","Aug","Sep","Oct","Nov","Dec"),"14")])
D$total_2015 <- rowSums(D[, paste0(c("Jan","Feb","Mar","Apr","May","Jun","Jul","Aug","Sep","Oct","Nov","Dec"),"15")])

# 构建精简后的回归模型
model <- dynlm(entries17 ~ total_2014 + total_2015 + UR_region_2018 + entries16 + urad_2 + urad_3, data = D)
summary(model)

三、用正则化回归获取预测系数 #

如果必须保留更多自变量用于预测，普通OLS无法估计，可使用岭回归或Lasso回归处理共线性和自由度问题：

library(glmnet)

# 构建自变量矩阵与因变量
X <- model.matrix(entries17 ~ Jan14 + Feb14 + Mar14 + Apr14 + May14 + Jun14 + Jul14 + Aug14 + Sep14 + Oct14 + Nov14 + Dec14 + Jan15 + Feb15 + Mar15 + Apr15 + May15 + Jun15 + Jul15 + Aug15 + Sep15 + Oct15 + Nov15 + Dec15 + UR_region_2018 + entries16 + urad_2 + urad_3 + urad_4, data = D)[, -1]
y <- D$entries17

# 交叉验证选择最优岭回归参数
cv_ridge <- cv.glmnet(X, y, alpha = 0)
best_lambda <- cv_ridge$lambda.min

# 获取最优系数
coef(cv_ridge, s = best_lambda)

关键注意事项 #

• 观测数必须远大于自变量数是回归分析的基本前提，4个观测无法支撑20+自变量的模型。
• 互斥虚拟变量组不能全部放入模型，否则会触发完全共线性。
• 正则化回归的系数适合用于预测，但变量解释性会下降，符合你的需求场景。

内容的提问来源于stack exchange，提问作者Zuzana