En este artículo, ilustraré cómo depurar el “Error en lm.fit(x, y, offset = offset, singular.ok = singular.ok, …) : 0 (non-NA) casos” en la programación R lenguaje _
La tabla de contenido está estructurada así:
Empecemos…
Datos de ejemplo
Primero construyamos algunos datos de ejemplo:
establecer _ seed ( 9364593 ) # Crear datos de ejemplo data < -data . cuadro ( y = norma ( 100 ) , x1 = norma ( 100 ) , x2 = NA ) cabeza ( datos ) # Cabeza de datos de ejemplo |
Echa un vistazo a la tabla anterior. Revela que nuestros datos de ejemplo están construidos con 100 filas y tres columnas.
Ejemplo 1: reproducir el error en lm.fit – 0 casos (no NA)
La siguiente sintaxis de R ilustra cómo replicar el “Error en lm.fit(x, y, offset = offset, singular.ok = singular.ok, …) : 0 (non-NA) cases” en el lenguaje de programación R.
Supongamos que queremos estimar un modelo de regresión lineal usando la función lm en R. Entonces, podríamos intentar usar la siguiente sintaxis de R:
lm ( y ~ . , data ) # Modelo estimado basado en el conjunto de datos completo # Error en lm.fit(x, y, offset = offset, singular.ok = singular.ok, ...) : # 0 (no NA ) casos |
Desafortunadamente, la consola RStudio devuelve el mensaje de error «0 casos (no NA)».
La razón de esto es que una (o varias) de nuestras columnas de marco de datos contienen solo valores NA. La función lm (y otras funciones de modelado también) no pueden manejar dichos predictores únicamente de NA.
Entonces, ¿cómo podemos resolver este problema?
Ejemplo 2: corregir el error en lm.fit – 0 casos (no NA)
El siguiente código R explica cómo lidiar con el “Error en lm.fit(x, y, offset = offset, singular.ok = singular.ok, …) : 0 (non-NA) cases”.
Para evitar este mensaje, debemos eliminar todas las variables independientes que contienen solo valores faltantes de nuestro modelo.
En el siguiente código R, estoy especificando explícitamente que quiero usar solo la columna x1 como variable predictora:
lm ( y ~ x1, datos ) # Modelo estimado basado en subconjunto # Llamada: # lm(fórmula = y ~ x1, datos = datos) # # Coeficientes: # (Intersección) x1 # -0.15534 0.06922 |
Como puede ver, la función lm ha devuelto una salida válida sin ningún mensaje de error.
Video, recursos adicionales y resumen
¿Quieres saber más sobre los errores? Entonces te recomiendo ver el siguiente video de mi canal de YouTube. En el video, explico el código de programación R de este artículo:
El video de YouTube se agregará pronto.
Además, es posible que desee leer las otras publicaciones en esta página de inicio.
- Ayuda – Error en if (NA) {: valor faltante donde se necesitaba VERDADERO/FALSO
- Manejo de advertencias y errores en R (códigos de ejemplo)
- El lenguaje de programación R
En este punto, debe saber cómo manejar el “Error en lm.fit(x, y, offset = offset, singular.ok = singular.ok, …) : 0 (non-NA) cases” en R. Si tiene cualquier comentario y/o pregunta adicional, hágamelo saber en la sección de comentarios.
Alejandro Lugón es un economista y escritor especializado en Python y R, conocido por ser el creador del blog Estadisticool. Nacido en México, Lugón se graduó de la Universidad Autónoma de México con una Licenciatura en Economía. Desde entonces ha trabajado como economista en varias empresas. Lugón también ha escrito varios libros sobre temas relacionados con la economía, el análisis de datos y la programación. Su blog Estadisticool se ha convertido en un lugar de referencia para los programadores de Python y R. Alejandro Lugón es una inspiración para aquellos que buscan aprender programación y análisis de datos. Su trabajo ha ayudado a muchas personas a entender mejor el uso de la tecnología para hacer sus trabajos.
