R语言calibrate.lm()报错：仅允许一个自变量，求解决方案

报错根源 #

calibrate.lm() 执行逆预测时要求模型仅包含一个自变量，你当前代码里的模型 speed~Logdist+LogdistSq+LogdistCube 有3个自变量，违反了这个限制，所以触发Only one independent variable allowed报错。而且你原本需求是基于speed~dist模型估计，代码却偏离成了多自变量模型。

修正方案 #

回归单自变量模型（符合你的原始需求），以下是修正后的代码：

library(investr)

cars

List <- vector()

NoSamples <- 50
GivenSpeed <- 12.5

p <- 0.2
SampleSize <- floor(p*nrow(cars))

# 重复采样并执行逆预测
for (i in 1:NoSamples) {
  # 采样测试集
  Index <- sample(1:nrow(cars), size = SampleSize, replace=TRUE)
  SAMPLE <- cars[Index ,]
  
  # 使用单自变量模型：speed~dist（或根据需要换成单变换模型如speed~log(dist)）
  ModelSAMPLE <- lm(speed~dist, data=SAMPLE)
  
  # 执行逆预测：给定speed值，估计对应的dist
  Pred_dist <- calibrate(ModelSAMPLE, y0=GivenSpeed, interval = "Wald", level=0.95)
  
  List <- append(List, Pred_dist$estimate)
}

补充说明 #

• 如果你确实需要使用dist的变换形式（比如对数），可以改成单变换的单自变量模型，比如lm(speed~log(dist), data=SAMPLE)，同样符合calibrate()的要求。
• 逆预测的核心是给定因变量y反推自变量x，多自变量场景下无法得到唯一的x解，因此calibrate()仅支持单自变量线性模型的逆预测。

内容的提问来源于stack exchange，提问作者Claris