虚拟变量以及样本内和样本外预测？

Question

我试图预测零售店的销售情况。以下是我的变量（您可以在很大程度上忽略ZipZone之外的变量值;它们的值与此问题基本无关）：

storeId    sales    meanTemperature     meanHumidity    ZipZone
1          1350     56.78               61.12           0
2          1230     59.90               45.67           3
3          8476     63.54               49.87           3
4          4357     62.12               65.09           4
5          2314     69.78               68.99           4
6          7812     74.90               59.78           4
7          1350     56.78               61.12           6
8          1230     59.90               45.67           6
9          8476     63.54               49.87           6
10         4357     62.12               65.09           7
11         2314     69.78               68.99           7
12         7812     74.90               59.78           8
...

有50个唯一的storeId值（即有50个商店）。我建立了一个回归模型：

model <- lm(sales ~ meanTemperature*meanHumidity + ZipZone)

我目前正在测试此模型在样本内和样本外预测方面的效果，因此我创建了inSample和outSample数据框（前者有40个商店;后者有10）。但问题是，我只在一个ZipZone中有几个商店。例如，inSample表具有存储1（ZipZone 0中的唯一存储），而outSample表具有存储12（ZipZone 8中唯一的存储）。当我运行以下内容时：

pred <- predict(model, newdata = outSample)

我收到以下错误：

Error in model.frame.default(Terms, newdata, na.action = na.action, xlev = object$xlevels) : 

因子ZIPzone有新的等级8

我认为这是因为inSample在ZipZone 8中没有商店，而outSample则存在。我该如何避免这个问题？