R语言生成多水平虚拟变量遇错求助：两种方法均出异常

Hey Steve, let's work through these issues step by step—both are super common when you're getting started with R for regression, so you're not alone here!

先解决方法1的回归报错问题 #

你遇到的报错：

Error in model.frame.default(formula = write ~ Fuel.Type.f, data = housing_prices2,: object is not a matrix

这里有几个大概率的原因和解决办法：

• 最可能的问题：因变量名称写错了
  你的样本数据里根本没有write这个变量！你是不是把回归的因变量（比如房价相关的列，比如price）名字抄错了？先运行colnames(housing_prices2)确认所有变量的正确名称，把公式里的write换成实际的因变量。
• 确认因子转换是否真的成功
  运行str(housing_prices2$Fuel.Type.f)检查类型，输出应该类似 Factor w/ 2 levels "Electric","Gas": 1 2 2 2。如果不是，重新执行因子转换：

  housing_prices2$Fuel.Type.f <- factor(housing_prices2$Fuel.Type)
  

• 检查数据是否有缺失值
  如果数据里存在NA值，lm()默认会报错。你可以先清理缺失值：

  housing_prices2_clean <- na.omit(housing_prices2)
  summary(lm(price ~ Fuel.Type.f, data = housing_prices2_clean))
  

  或者在回归里直接忽略缺失值：

  summary(lm(price ~ Fuel.Type.f, data = housing_prices2, na.action = na.exclude))
  

再解决方法2的未初始化列问题 #

你遇到的错误：

housing_prices2$Heat.Type.f[1:10]
NULL
Warning message: Unknown or uninitialised column: 'Heat.Type.f'.

这个问题几乎肯定是你创建Heat.Type.f的代码有问题，比如漏写了赋值，或者变量名拼写错误：

• 正确创建因子列的写法
  用基础R的话，要明确赋值给数据框的新列：

  housing_prices2$Heat.Type.f <- factor(housing_prices2$Heat.Type)
  

  如果你用dplyr包，写法是：

  library(dplyr)
  housing_prices2 <- housing_prices2 %>% 
    mutate(Heat.Type.f = factor(Heat.Type))
  

• 检查变量名拼写
  运行colnames(housing_prices2)确认原变量名是Heat.Type（注意大小写和点号），不要写成heat.type或者HeatType。

更高效的批量处理多分类变量的方法 #

既然你要处理3个分类变量，没必要一个个手动转，推荐这两种批量处理方式：

方法1：直接用因子做回归（R自动生成虚拟变量） #

lm()函数会自动把因子变量转换成虚拟变量（默认以因子的第一个水平为参照组），所以你可以直接把原分类变量转成因子后丢进回归：

# 批量转换3个分类变量为因子
cat_vars <- c("Fuel.Type", "Heat.Type", "Sewer.Type")
housing_prices2[cat_vars] <- lapply(housing_prices2[cat_vars], factor)

# 直接跑回归，自动生成所有虚拟变量
summary(lm(price ~ Fuel.Type + Heat.Type + Sewer.Type, data = housing_prices2))

方法2：手动生成所有虚拟变量（包含所有水平） #

如果需要手动生成所有水平的虚拟变量（不含参照组的话可以加0+），用model.matrix()：

# 生成所有虚拟变量（0+表示不生成截距项，避免共线性）
dummy_matrix <- model.matrix(~ 0 + Fuel.Type + Heat.Type + Sewer.Type, data = housing_prices2)

# 合并到原数据框
housing_prices2_with_dummies <- cbind(housing_prices2, dummy_matrix)

内容的提问来源于stack exchange，提问作者Steve Shi