嘿，我来帮你搞定这个报错！你遇到的contrasts can be applied only to factors with 2 or more levels错误，本质原因是在模型拟合时，某个自变量被处理成了只有1个类别的因子，而GLM需要至少2个水平才能生成对比编码，所以触发了报错。

具体到你的代码分析 #

先拆解你的数据情况：New.Runner列虽然表面有Y和N两个取值，但所有标记为Y的行，Last.Run都是NA。而glm默认会自动删除包含NA的观测（na.action=na.omit），删掉这些行之后，剩下的有效数据里New.Runner就只剩N这一个水平了——这就是问题的核心！

你可以先验证这个结论：

# 查看删除NA后的New.Runner分布
table(na.omit(mydf)$New.Runner)

运行后你会发现结果里只有N，完全没有Y的存在。

解决方法 #

根据你的需求，有几个可行的方向：

• 方法1：插补Last.Run的NA值
  如果业务逻辑允许，你可以对Last.Run的缺失值进行插补，这样那些New.Runner=Y的行就能保留在模型里，变量也恢复了两个水平。比如用中位数填充：

# 用Last.Run的中位数填充NA
mydf$Last.Run[is.na(mydf$Last.Run)] <- median(mydf$Last.Run, na.rm = TRUE)

# 重新拟合模型
mod <- glm(formula = WL~New.Runner+Last.Run, family = binomial, data = mydf)

• 方法2：检查数据合理性
  如果New.Runner=Y的行本来就不应该有Last.Run的缺失值，那可能是数据录入错误，修正这些NA后再拟合模型即可。

• 方法3：调整模型变量
  如果插补或修正数据不可行，那你可能需要暂时去掉New.Runner变量，或者考虑其他建模方式（比如只分析New.Runner=N的子集，但这会丢失部分信息，需谨慎评估）。

额外提示 #

以后遇到这类错误，可以先检查每个自变量在删除NA后的数据集里的水平数，用table()函数就能快速排查哪个变量出了问题。

内容的提问来源于stack exchange，提问作者Simon