如何使用带有因子的 lmRob 模型来预测新值？

Question

我在 robust 包中用 lmRob 拟合了一个多变量模型，我喜欢这种拟合。我如何使用拟合在给定点进行预测？骇人听闻的解决方案是绘制它并在图上放置水平线和垂直线以查明

如何为模型提供一个点，并让它吐出预测？我想象它是这样的：

predict(model, newdata = data.frame(x = 2, y = 90))

但这给了我错误：

predict(model, newdata = data.frame(x = 2, y = 90))
Error in `contrasts<-`(`*tmp*`, value = contrasts.arg[[nn]]) : 
  contrasts apply only to factors

traceback()是：

> traceback()
7: stop("contrasts apply only to factors")
6: `contrasts<-`(`*tmp*`, value = contrasts.arg[[nn]])
5: model.matrix.default(delete.response(Terms), newdata, contrasts = object$contrasts, 
       xlevels = attr(object, "xlevels"))
4: model.matrix(delete.response(Terms), newdata, contrasts = object$contrasts, 
       xlevels = attr(object, "xlevels"))
3: predict.lmRob(model, newdata = data.frame(x = 1, 
       y = 90), interval = "predict")
2: predict(model, newdata = data.frame(x = 1, y = 90), 
       interval = "predict")
1: predict(model, newdata = data.frame(x = 1, y = 90), 
       interval = "predict")

如果我只是尝试将原始数据集传递给 predict，我得到：

Error in x %*% coefs : non-conformable arguments

添加适当的因子水平修复了第一个警告，但保留了第二个警告。

Answer 1

您需要确保 newdata 具有与原始级别相同的级别，即

dat <- data.frame(x=1:10, y=factor(sample(letters[1:2], 10, rep=T)),
                  z=runif(10))
fit <- lmRob(z ~ ., data=dat)

## Fails, wrong factor
predict(fit, newdata=data.frame(x=11, y="a")) 

## Works
predict(fit, newdata=data.frame(x=11, y=factor("a", levels=letters[1:2])))

编辑

如果你这样做，你会得到第二个错误

dat <- data.frame(x=1:10, y=factor(sample(letters[1:2], 10, rep=T), levels=letters[1:3]),
                  z=runif(10))  # data has empty "c" level
fit <- lmRob(z ~ ., data=dat)

## Fails
predict(fit, newdata=dat)

## Works
predict(fit, newdata=droplevels(dat))

如何使用带有因子的 lmRob 模型来预测新值？

How can I use an lmRob model with factors to predict a new value?

r

robust

predict

编辑