Question

我使用R运行判别分析。代码如下：

fit <- lda(group~ A+C1_1+C2+D1a_1+D2_1+D3_1+D3_2+D3_3+E1a_1+E1b_1+E1b_2+E2_1+E3_1+E3_2+E3_3+F2+G_1+G_2+G_3+G_4+H1_1+H2a_1+H2b_1+H3_1+H4_1_1+H1_2+H2a_2+H2b_2+ H3_2+H4_1_2+J1_1+J2_1+J3_1+K1a+K2_1+K2_2+K2_3+K2_4,data=data1)

但遗憾的是我收到了以下错误：

Error in x - group.means[g, ] : non-conformable arrays

这是str（data1）输出：

'data.frame':   210 obs. of  133 variables:

 $ A               : int  1 1 1 1 1 1 1 2 1 2 ...

 $ C1_1            : int  22 29 12 12 25 15 30 20 30 15 ...
 $ C2              : int  2 2 2 2 2 2 2 1 2 2 ...
 $ D1a_1           : int  40 50 160 15 150 105 150 45 100 80 ...
 $ D2_1            : int  100 100 100 100 100 100 100 90 95 100 ...
 $ D3_1            : int  5 15 40 10 30 25 30 40 25 60 ...
 $ D3_2            : int  10 30 30 15 30 25 60 40 20 10 ...
 $ D3_3            : int  10 30 30 10 10 15 10 20 20 30 ...
 $ E1a_1           : int  80 25 140 30 150 120 80 30 100 100 ...
 $ E1b_1           : int  100 50 50 25 80 70 80 75 10 75 ...
 $ E1b_2           : int  0 50 50 75 20 30 20 25 90 25 ...
 $ E2_1            : int  20 60 75 70 60 80 75 100 60 80 ...
 $ E3_1            : int  5 20 20 5 30 20 25 25 10 30 ...
 $ E3_2            : int  10 20 40 15 30 20 50 50 10 30 ...
 $ E3_3            : int  10 20 15 10 10 20 25 25 10 40 ...
 $ G_1             : int  5 50 20 25 80 10 30 25 35 5 ...
 $ G_2             : int  0 10 50 50 10 10 30 30 30 10 ...
 $ G_3             : int  90 30 20 25 10 50 5 30 15 80 ...
 $ G_4             : int  5 10 10 0 0 30 35 15 20 5 ...
 $ H1_1            : int  1 3 3 2 3 2 3 3 2 3 ...
 $ H2a_1           : int  NA NA NA 1 NA 2 NA NA 1 NA ...

 $ H2b_1           : int  NA 2 1 NA 2 NA 1 1 NA 1 ...

 $ H3_1            : int  2 2 2 2 2 3 3 3 2 2 ...

 $ H4_1_1          : int  6 5 7 6 3 6 5 6 5 5 ...

 $ J1_1            : int  4 6 4 4 4 4 6 7 3 3 ...
 $ J2_1            : int  2 6 5 3 4 4 1 2 3 3 ...
 $ J3_1            : int  4 5 3 3 4 4 6 7 3 4 ...

 $ K1a             : int  2 2 2 2 2 2 2 2 1 1 ...

 $ K2_1            : int  NA NA NA NA NA NA NA NA 0 0 ...
 $ K2_2            : int  NA NA NA NA NA NA NA NA 1 0 ...
 $ K2_3            : int  NA NA NA NA NA NA NA NA 0 1 ...
 $ K2_4            : int  NA NA NA NA NA NA NA NA 0 0 ...

  [list output truncated

]]

第二，任何人都可以告诉我如何获得判别分析中使用的变量的显着性水平。

Answer 1

适用于随机生成的数据集，没有NA值：

set.seed(101)
z <- matrix(runif(210*133),nrow=210)
zz <- data.frame(A=sample(1:2,size=210,replace=TRUE),z)
m <- MASS::lda(A~.,data=zz)

如果我添加了足够的NA s：

，我可以重现错误

z2 <- z
z2[sample(length(z),size=2000)] <- NA
zz2 <- data.frame(A=sample(1:2,size=210,replace=TRUE),z2)
m <- MASS::lda(A~.,data=zz2)

结果

Error in x - group.means[g, ] : non-conformable arrays

（如果我减少了，我会收到关于共线性的警告）

首先，尝试删除任何NA值的所有变量（或具有多个值的变量）并查看是否可以使其生效。

对于问题的p值部分：谷歌搜索“+ r MASS lda判别分析”导致http://www.statmethods.net/advstats/discriminant.html并为这些p值建议（并提供链接）MANOVA。

基于一点谷歌搜索，看起来人们通常使用MANOVA和Wilks的lambda在LDA的背景下进行测试：例如，http://userwww.sfsu.edu/~efc/classes/biol710/discrim/discrim.pdf说

判别函数分析分为两个步骤：（1）测试一组判别函数的重要性，以及; （2）分类。首先步骤在计算上与MANOVA相同。

他们继续展示使用Wilks的lambda的例子，尽管?manova说Pillai-Bartlett测试（manova中的默认值）可能更好......无论如何，这很容易进行测试。

> summary(manova(z~zz$A),test="Wilks")
           Df   Wilks approx F num Df den Df Pr(>F)
zz$A        1 0.38164  0.92587    133     76 0.6545
Residuals 208

这当然不是你要求的 - 你问（我认为）与个别变量相关的显着性水平而不是整体测试。我可以想象你可以通过适当的多重校正逻辑回归做一些事情，但这变成了统计而不是R问题。如果你在这里没有得到任何进一步的答案，你可以考虑在http://stats.stackexchange.com上提出一个适当的重新提出的问题，引用这个问题......

Answer 2

另一个潜在的问题是因为数据集面临秩不足问题。也就是说，其中一个类中的某些变量完全相同。

如果我们检查了“NA”并且没有，我们也可以运行一个快速测试：

lda(Y ~ Var1, data = Data.Name)

如果可行，那么我们可以通过更改下面代码块中的变量列表来手动找到合适的变量子集：

# a subset of all of your predictors, I recommend start from some simple ones
varlist <- c(1:5, 8:10) 
# get the colnames from the data frame
Col.Name <- colnames(Data.Name)[varlist]
# form a formula
fun <- paste("Response ~", paste(as.character(Col.Name), sep = "=", collapse = " + "))
fun <- formula(fun)
# pass it to the lda function
lda(fun, data = Data.Name)

我们刚刚排除的那些变量在至少一个类中应该有相同的数字，我们可以通过回顾我们的原始数据来检查它。

R的判别分析

2 个答案: