モデルの返品の概要NA

Question

私はrが新しく、どのようにエラーが発生しているのかよく分かりません。ここ
は私のデータの要約です：

> summary(data) 
     Metro       MrktRgn  MedAge  numHmSales 
    Abilene : 1 Austin-Waco-Hill Country : 6 20-25: 3 Min. : 302 
    Amarillo : 1 Far West Texas   : 1 25-30: 6 1st Qu.: 1057 
    Arlington: 1 Gulf Coast - Brazos Bottom:10 30-35:28 Median : 2098 
    Austin : 1 Northeast Texas   :14 35-40: 6 Mean : 7278 
    Bay Area : 1 Panhandle and South Plains: 5 45-50: 2 3rd Qu.: 5086 
    Beaumont : 1 South Texas    : 7 50-55: 1 Max. :83174 
    (Other) :40 West Texas    : 3        
     AvgSlPr   totNumLs   MedHHInc   Pop   
    Min. :123833 Min. : 1257 Min. :37300 Min. : 2899 
    1st Qu.:149117 1st Qu.: 6028 1st Qu.:53100 1st Qu.: 56876 
    Median :171667 Median : 11106 Median :57000 Median : 126482 
    Mean :188637 Mean : 24302 Mean :60478 Mean : 296529 
    3rd Qu.:215175 3rd Qu.: 25472 3rd Qu.:66200 3rd Qu.: 299321 
    Max. :303475 Max. :224230 Max. :99205 Max. :2196000 
    NA's :1 

、私はY変数とx変数

> model1 = lm(AvgSlPr ~ Metro + MrktRgn + MedAge + numHmSales + totNumLs + MedHHInc + Pop) 

などの他の変数としてAvSlPrでモデルを作るが、私はの要約を行うときモデル、私はStdのNAを取得します。エラー、t値、およびt p値。

> summary(model1) 

Call: 
lm(formula = AvgSlPr ~ Metro + MrktRgn + MedAge + numHmSales + 
    totNumLs + MedHHInc + Pop) 

Residuals: 
ALL 45 residuals are 0: no residual degrees of freedom! 

Coefficients: (15 not defined because of singularities) 
            Estimate Std. Error t value Pr(>|t|) 
(Intercept)       143175   NA  NA  NA 
MetroAmarillo      24925   NA  NA  NA 
MetroArlington      35258   NA  NA  NA 
MetroAustin       160300   NA  NA  NA 
MetroBay Area      68642   NA  NA  NA 
MetroBeaumont       5942   NA  NA  NA 
... 
MrktRgnWest Texas      NA   NA  NA  NA 
MedAge25-30        NA   NA  NA  NA 
MedAge30-35        NA   NA  NA  NA 
MedAge35-40        NA   NA  NA  NA 
MedAge45-50        NA   NA  NA  NA 
MedAge50-55        NA   NA  NA  NA 
numHmSales        NA   NA  NA  NA 
totNumLs        NA   NA  NA  NA 
MedHHInc        NA   NA  NA  NA 
Pop          NA   NA  NA  NA 

Residual standard error: NaN on 0 degrees of freedom 
    (1 observation deleted due to missingness) 
Multiple R-squared:  1,  Adjusted R-squared: NaN 
F-statistic: NaN on 44 and 0 DF, p-value: NA 

誰もが間違っていることを知っていますか、これをどのように修正できますか？また、私はダミー変数を使用するはずがありません。

Answer 1

Metro変数は、常に各要因レベルごとに1行を参照します。 1つの線に合わせるには少なくとも2つの点が必要です。因子レベルの少なくとも一部は、データの複数の行を持っているように、我々はより多くのデータを追加した場合でも、線形モデルを計算することができる

dat = data.frame(AvgSlPr=runif(4), Metro = factor(LETTERS[1:4]), MrktRgn = runif(4)) 
model1 = lm(AvgSlPr ~ Metro + MrktRgn, data = dat) 
summary(model1) 

#Call: 
#lm(formula = AvgSlPr ~ Metro + MrktRgn, data = dat) 

#Residuals: 
#ALL 4 residuals are 0: no residual degrees of freedom! 

#Coefficients: (1 not defined because of singularities) 
#   Estimate Std. Error t value Pr(>|t|) 
#(Intercept) 0.33801   NA  NA  NA 
#MetroB  0.47350   NA  NA  NA 
#MetroC  -0.04118   NA  NA  NA 
#MetroD  0.20047   NA  NA  NA 
#MrktRgn   NA   NA  NA  NA 

#Residual standard error: NaN on 0 degrees of freedom 
#Multiple R-squared:  1, Adjusted R-squared: NaN 
#F-statistic: NaN on 3 and 0 DF, p-value: NA 

：

dat = rbind(dat, data.frame(AvgSlPr=2:4, Metro=factor(LETTERS[2:4]), MrktRgn = 3:5)) 
model2 = lm(AvgSlPr ~ Metro + MrktRgn, data=dat) 
summary(model2) 

#Call: 
#lm(formula = AvgSlPr ~ Metro + MrktRgn, data = dat) 

#Residuals: 
#   1   2   3   4   5   6   7 
# 9.021e-17 2.643e-01 7.304e-03 -1.498e-01 -2.643e-01 -7.304e-03 1.498e-01 

#Coefficients: 
#   Estimate Std. Error t value Pr(>|t|) 
#(Intercept) 0.24279 0.30406 0.798 0.50834 
#MetroB  -0.10207 0.38858 -0.263 0.81739 
#MetroC  -0.06696 0.39471 -0.170 0.88090 
#MetroD  0.06804 0.41243 0.165 0.88413 
#MrktRgn  0.70787 0.06747 10.491 0.00896 ** 
#--- 
#Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 

#Residual standard error: 0.3039 on 2 degrees of freedom 
#Multiple R-squared: 0.9857, Adjusted R-squared: 0.9571 
#F-statistic: 34.45 on 4 and 2 DF, p-value: 0.02841 

私は例を示しましょう

モデルに適合させるために使用されるデータは再考する必要があります。分析の目標は何ですか？目標を達成するためにはどのようなデータが必要ですか？