我有一个带有转换的回归模型：
fit <- lm( I(NewValue ^ (1 / 3)) ~ I(CurrentValue ^ (1 / 3)) + Age + Type - 1,
data = dataReg)
plot(fit)
但是plot会出现以下错误：
Error: $ operator is invalid for atomic vectors
有什么想法，我做错了什么吗？
注意: summary、predict 和 residuals 都可以正常工作。
这实际上是一个非常有趣的观察结果。事实上，在plot.lm支持的所有6个图中，只有Q-Q图在这种情况下失败了。考虑以下可复制的示例：
x <- runif(20)
y <- runif(20)
fit <- lm(I(y ^ (1/3)) ~ I(x ^ (1/3)))
## only `which = 2L` (QQ plot) fails; `which = 1, 3, 4, 5, 6` all work
stats:::plot.lm(fit, which = 2L)
在plot.lm函数内部，Q-Q图可以简单地通过以下方式生成：
rs <- rstandard(fit) ## standardised residuals
qqnorm(rs) ## fine
## inside `qqline(rs)`
yy <- quantile(rs, c(0.25, 0.75))
xx <- qnorm(c(0.25, 0.75))
slope <- diff(yy)/diff(xx)
int <- yy[1L] - slope * xx[1L]
abline(int, slope) ## this fails!!!
错误：$ 操作符对于原子向量无效
因此，这完全是 abline 函数的问题！ 注意：
is.object(int)
# [1] TRUE
is.object(slope)
# [1] TRUE
int 和 slope 都有 class 属性（阅读 ?is.object；这是一种非常有效的检查对象是否有 class 属性的方法）。那么它们属于哪个 class？class(int)
# [1] AsIs
class(slope)
# [1] AsIs
I() 的结果。准确地说，它们从 rs 类继承，进一步从响应变量继承。也就是说，如果我们在模型公式的 RHS 上使用 I()，就会得到这种行为。abline(as.numeric(int), as.numeric(slope)) ## OK
abline(as.numeric(int), slope) ## OK
abline(int, as.numeric(slope)) ## fails!!
abline(int, slope) ## fails!!
因此，abline(a, b)非常敏感于第一个参数a是否具有类属性。
为什么？因为abline可以接受具有“lm”类的线性模型对象。在abline内部：
if (is.object(a) || is.list(a)) {
p <- length(coefa <- as.vector(coef(a)))
如果a有一个类，abline将其视为模型对象（无论它是否真的是!!!），然后尝试使用coef来获取系数。这里进行的检查相当不健壮; 我们可以很容易地使abline失败:
plot(0:1, 0:1)
a <- 0 ## plain numeric
abline(a, 1) ## OK
class(a) <- "whatever" ## add a class
abline(a, 1) ## oops, fails!!!
错误：原子向量无效的$操作符
因此，结论是：在模型公式中避免在响应变量上使用I()。 在协变量上使用I()是可以的，但在响应变量上使用不行。 lm和大多数通用函数处理这个问题不会有麻烦，但plot.lm会出现问题。
summary fit吗？ - Christoph