如何解决汇总/系数表R中的缺失输出（NA）

这是一个示例，详细说明了我上面的评论；我在这里使用一个简单的线性模型，但是相同的原理适用于您的逻辑回归模型。

1. 让我们生成一些数据：我们为模型生成数据y = x1 + x2 + epsilon，其中两个预测变量均x1与x2线性相关：x2 = 2.5 * x1。

   # Generate sample data
   set.seed(2017);
   x1 <- seq(1, 100);
   x2 <- 2.5 * x1;
   y <- x1 + x2 + rnorm(100);
   

2. 我们拟合模型。

   df <- cbind.data.frame(x1 = x1, x2 = x2, y = y);
   fit <- lm(y ~ x1 + x2, df);
   

3. 查看参数估计。

   summary(fit);
   #
   #Call:
   #lm(formula = y ~ x1 + x2, data = df)
   #
   #Residuals:
   #     Min       1Q   Median       3Q      Max
   #-2.50288 -0.75360 -0.01388  0.67935  3.08515
   #
   #Coefficients: (1 not defined because of singularities)
   #            Estimate Std. Error t value Pr(>|t|)
   #(Intercept) 0.166567   0.215534   0.773    0.441
   #x1          3.496831   0.003705 943.719   <2e-16 ***
   #x2                NA         NA      NA       NA
   #---
   #Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
   #
   #Residual standard error: 1.07 on 98 degrees of freedom
   #Multiple R-squared:  0.9999,   Adjusted R-squared:  0.9999
   #F-statistic: 8.906e+05 on 1 and 98 DF,  p-value: < 2.2e-16
   

您可以看到的估算值x2是NA。这是一个直接后果x1，并x2为线性相关。换句话说，x2是多余的，并且数据可以通过估计的线性模型来描述y = 3.4968 * x1 + epsilon；这显然与理论系数非常吻合x1 + 2.5 * x1 = 3.5 * x1。