因此，我尝试使用transcan包中的Hmisc函数。我正在尝试在96个预测变量上运行它，我感觉可能是问题所在？
基本上每个预测变量的值约为1150，并且数据集中根本没有NA值。
我正在运行的代码是：
data_trans <- transcan(~ Age + AntiC + Risk.Category + Rec.Vol.CC + Pros.Vol.CC + D1perc + D1.5CC
+ D2perc + D2.5CC + D2CC + D3perc + D3.5CC + D4perc + D5perc + DMEAN
+ V2000CGY + V2500CGY + V3000CGY + V3500CGY + V3900CGY + V4500CGY
+ V5000CGY + V5500CGY + V6000CGY + V6500CGY + V7000CGY + V7500CGY + V8000CGY
+ V8200CGY + V8500CGY + V2000CGY_CC + V2500CGY_CC + V3000CGY_CC + V3500CGY_CC
+ V3900CGY_CC + V4500CGY_CC + V5000CGY_CC + V5500CGY_CC + V6000CGY_CC
+ V6500CGY_CC + V7000CGY_CC + V7500CGY_CC + V8000CGY_CC + V8200CGY_CC + V8500CGY_CC
+ n_0.02 + n_0.03 + n_0.04 + n_0.05 + n_0.06 + n_0.07 + n_0.08 + n_0.09 + n_0.1
+ n_0.11 + n_0.12 + n_0.13 + n_0.14 + n_0.15 + n_0.16 + n_0.17 + n_0.18 + n_0.19
+ n_0.2 + n_0.21 + n_0.22 + n_0.23 + n_0.24 + n_0.25 + n_0.26 + n_0.27 + n_0.28
+ n_0.29 + n_0.3 + n_0.31 + n_0.32 + n_0.33 + n_0.34 + n_0.35 + n_0.36 + n_0.37
+ n_0.38 + n_0.39 + n_0.4 + n_0.41 + n_0.42 + n_0.43 + n_0.44 + n_0.45 + n_0.46
+ n_0.47 + n_0.48 + n_0.49 + n_0.5, data = final_data, categorical = c("Risk.Category"),
transformed = FALSE, trantab = TRUE, frac = 0.1, pr = FALSE)
但是，运行此程序时出现错误：
Error in xcoef[i, c("intercept", nam[-i])] <- xcof :
number of items to replace is not a multiple of replacement length
如果我随后尝试删除~ +列表的最后5行，那么我只有n_0.xx值的前9行，那么我什么都不会出错。
除AntiC（二进制）和Risk.Category（类别）以外的所有数据都是数字数据。
所以我在这里做错了什么，还是...？