R逻辑回归计算标准化系数报Calling var(x) on a factor错误如何解决

报错根因 #

报错的核心原因是代码执行顺序错误：你在完成自变量类型转换、生成清洗后的subset数据集之前，就已经执行了训练集/测试集划分的代码，此时模型训练用的train数据集来自环境中遗留的旧subset，其中的自变量还是因子类型，导致后续计算标准差时调用var()函数触发了因子不支持的报错。

此外代码中还有两处笔误也会引发后续报错：

• 合并系数时写的summary_coeff多了一个f，实际定义的变量名为summary_coef
• row.names(std.coff)-NULL中误用了减号，应该为赋值符号<-

修复步骤 #

1. 调整代码执行顺序 #

将训练集划分的代码块移动到数据集清洗、变量类型转换的代码之后，正确顺序如下：

# 先生成清洗后的subset数据集，完成所有变量类型转换
subset <- subset(completedData, select = -c(Loan_ID))
subset$Loan_Status <- as.factor(subset$Loan_Status)
subset$Property_Area <- as.integer(as.factor(subset$Property_Area))
subset$CoapplicantIncome <- as.integer(subset$CoapplicantIncome)
subset$Self_Employed <- as.numeric(as.factor(subset$Self_Employed))
subset$Education <- as.numeric(as.factor(subset$Education))
subset$Dependents <- as.numeric(as.factor(subset$Dependents))
subset$Married <- as.numeric(as.factor(subset$Married))
subset$Gender <- as.numeric(as.factor(subset$Gender))

# 转换完成后再划分训练集、测试集
set.seed(123) # 增加随机种子保证结果可复现
datasort <- sort(sample(nrow(subset),nrow(subset)*.75))
train <- subset[datasort,]
test <- subset[-datasort,]

2. 优化标准化系数计算函数 #

调整stz.ciff函数，增加强制类型转换逻辑，避免残留因子引发报错：

stz.ciff <- function(logitmodel){
  # 提取自变量系数（排除截距项）
  b <- summary(logitmodel)$coef[-1, 1]
  # 提取自变量数据集（排除第一列的因变量）
  x_vars <- logitmodel$model[, -1, drop = FALSE]
  # 强制将所有列转换为数值型，避免因子残留
  x_vars <- as.data.frame(lapply(x_vars, function(col) {
    if(is.factor(col)) as.numeric(as.character(col)) else col
  }))
  # 计算各变量标准差
  sx <- sapply(x_vars, sd, na.rm = TRUE)
  # 计算标准化系数
  beta <- (sqrt(3)/pi) * sx * b
  return(beta)
}

3. 修正笔误 #

将两处错误代码修改为：

# 原来的row.names(std.coff)-NULL改为
row.names(std.coff) <- NULL
# 原来的merge(summary_coeff,std.coff,by="variable",all.x=TRUE)改为
final = merge(summary_coef,std.coff,by="variable",all.x=TRUE)

内容的提问来源于stack exchange，提问作者Mavezu94