Error: Assigned data value must be compatible with existing data

I have a training data frame with 1335006 observations and a validation data frame with 1317308 observations.

I made a logit regression in the training data frame and when I executed this code

Validationdataframe$plogit <- predict(logit, type="response")

I obtained the following error message:

Error: Assigned data `predict(logit, type = "response")` must be compatible with existing data.

Can you help me finding a solution?

I think you forgot to supply the newdata argument to predict.

Validationdataframe$plogit <- predict(logit, Validationdataframe, type="response")

1 Like

Thank you @arthur.t

It was just that!

1 Like

You're welcome.

What happened in that code specifically was it recognized there was no newdata to predict on, so by default it made predictions on your training data. Those predictions had the wrong dimensions for assigning a new column to the test data frame.

@arthur.t

I also have a probit model

When I executed this command

Validationdataframe$pprobit <- predict(probit, Validationdataframe, type="response")

It gave me the same error.

Strange...

Can you help me again?

It should work if you model is valid.

Run this towards understanding the issue.

print(probit)
print(summary(probit))
print(predict(probit, Validationdataframe, type="response"))
1 Like

@arthur.t

print(probit)

Call:  glm(formula = TrainingSet$ECESS_P ~ TrainingSet$EFJR0 + TrainingSet$NUTSII_13 + 
    TrainingSet$vvnGroup + TrainingSet$npsGroup + TrainingSet$ECAES, 
    family = binomial(link = "probit"))

Coefficients:
            (Intercept)        TrainingSet$EFJR0  TrainingSet$NUTSII_1315  TrainingSet$NUTSII_1316  
              -1.075089                -0.589951                 0.064106                -0.021194  
TrainingSet$NUTSII_1317  TrainingSet$NUTSII_1318  TrainingSet$NUTSII_1320  TrainingSet$NUTSII_1330  
               0.122817                 0.025948                -0.031144                -0.015264  
  TrainingSet$vvnGroup2    TrainingSet$vvnGroup3    TrainingSet$vvnGroup4    TrainingSet$vvnGroup5  
              -0.571187                -0.594722                -0.801355                -0.880334  
  TrainingSet$vvnGroup6    TrainingSet$vvnGroup7    TrainingSet$vvnGroup8    TrainingSet$npsGroup2  
              -0.764511                -0.784103                -0.968624                -0.434839  
  TrainingSet$npsGroup3    TrainingSet$npsGroup4    TrainingSet$npsGroup5       TrainingSet$ECAESB  
              -0.219104                -0.035078                -0.115499                -0.065632  
     TrainingSet$ECAESC       TrainingSet$ECAESD       TrainingSet$ECAESE       TrainingSet$ECAESF  
               0.073097                -0.635083                 0.115354                 0.034979  
     TrainingSet$ECAESG       TrainingSet$ECAESH       TrainingSet$ECAESI       TrainingSet$ECAESJ  
               0.084019                 0.226564                 0.217023                 0.313043  
     TrainingSet$ECAESK       TrainingSet$ECAESL       TrainingSet$ECAESM       TrainingSet$ECAESN  
               0.155560                 0.088621                -0.001941                 0.496738  
     TrainingSet$ECAESP       TrainingSet$ECAESQ       TrainingSet$ECAESR       TrainingSet$ECAESS  
               0.211236                -0.009900                 0.280232                -0.087971  

Degrees of Freedom: 1335005 Total (i.e. Null);  1334970 Residual
Null Deviance:	    1117000 
Residual Deviance: 1044000 	AIC: 1044000

@arthur.t

print(summary(probit))

Call:
glm(formula = empresas19c$ECESS_P ~ empresas19c$EFJR0 + empresas19c$NUTSII_13 + 
    empresas19c$vvnGroup + empresas19c$npsGroup + empresas19c$ECAES, 
    family = binomial(link = "probit"))

Deviance Residuals: 
    Min       1Q   Median       3Q      Max  
-0.8855  -0.6065  -0.5371  -0.3253   3.5859  

Coefficients:
                         Estimate Std. Error  z value Pr(>|z|)    
(Intercept)             -1.075089   0.004852 -221.564  < 2e-16 ***
empresas19c$EFJR0       -0.589951   0.003756 -157.070  < 2e-16 ***
empresas19c$NUTSII_1315  0.064106   0.006093   10.522  < 2e-16 ***
empresas19c$NUTSII_1316 -0.021194   0.003951   -5.363 8.16e-08 ***
empresas19c$NUTSII_1317  0.122817   0.003546   34.639  < 2e-16 ***
empresas19c$NUTSII_1318  0.025948   0.005956    4.357 1.32e-05 ***
empresas19c$NUTSII_1320 -0.031144   0.009662   -3.224  0.00127 ** 
empresas19c$NUTSII_1330 -0.015264   0.009825   -1.554  0.12027    
empresas19c$vvnGroup2   -0.571187   0.025707  -22.219  < 2e-16 ***
empresas19c$vvnGroup3   -0.594722   0.034643  -17.167  < 2e-16 ***
empresas19c$vvnGroup4   -0.801355   0.066300  -12.087  < 2e-16 ***
empresas19c$vvnGroup5   -0.880334   0.094133   -9.352  < 2e-16 ***
empresas19c$vvnGroup6   -0.764511   0.107004   -7.145 9.02e-13 ***
empresas19c$vvnGroup7   -0.784103   0.155203   -5.052 4.37e-07 ***
empresas19c$vvnGroup8   -0.968624   0.362502   -2.672  0.00754 ** 
empresas19c$npsGroup2   -0.434839   0.020070  -21.667  < 2e-16 ***
empresas19c$npsGroup3   -0.219104   0.027963   -7.836 4.67e-15 ***
empresas19c$npsGroup4   -0.035078   0.048449   -0.724  0.46905    
empresas19c$npsGroup5   -0.115499   0.131322   -0.880  0.37912    
empresas19c$ECAESB      -0.065632   0.066283   -0.990  0.32208    
empresas19c$ECAESC       0.073097   0.008405    8.697  < 2e-16 ***
empresas19c$ECAESD      -0.635083   0.036010  -17.636  < 2e-16 ***
empresas19c$ECAESE       0.115354   0.055328    2.085  0.03708 *  
empresas19c$ECAESF       0.034979   0.007447    4.697 2.64e-06 ***
empresas19c$ECAESG       0.084019   0.005863   14.331  < 2e-16 ***
empresas19c$ECAESH       0.226564   0.010736   21.102  < 2e-16 ***
empresas19c$ECAESI       0.217023   0.006449   33.653  < 2e-16 ***
empresas19c$ECAESJ       0.313043   0.012008   26.069  < 2e-16 ***
empresas19c$ECAESK       0.155560   0.013531   11.497  < 2e-16 ***
empresas19c$ECAESL       0.088621   0.009720    9.117  < 2e-16 ***
empresas19c$ECAESM      -0.001941   0.006536   -0.297  0.76649    
empresas19c$ECAESN       0.496738   0.005548   89.540  < 2e-16 ***
empresas19c$ECAESP       0.211236   0.007543   28.004  < 2e-16 ***
empresas19c$ECAESQ      -0.009900   0.006890   -1.437  0.15076    
empresas19c$ECAESR       0.280232   0.008756   32.003  < 2e-16 ***
empresas19c$ECAESS      -0.087971   0.007940  -11.079  < 2e-16 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

(Dispersion parameter for binomial family taken to be 1)

    Null deviance: 1116807  on 1335005  degrees of freedom
Residual deviance: 1043808  on 1334970  degrees of freedom
AIC: 1043880

Number of Fisher Scoring iterations: 6

@arthur.t

print(predict(probit, Validationdataframe, type="response"))
        1         2         3         4         5         6         7         8         9        10        11 
0.1470566 0.1470566 0.1343128 0.1411675 0.1364776 0.1704796 0.1411675 0.1377789 0.1377789 0.1377789 0.1704796 
       12        13        14        15        16        17        18        19        20        21        22 
0.1470566 0.1470566 0.1364776 0.1364776 0.1560124 0.1364776 0.1364776 0.1470566 0.1470566 0.1470566 0.1470566 
       23        24        25        26        27        28        29        30        31        32        33 
0.1411675 0.1364776 0.1364776 0.1364776 0.1704796 0.1411675 0.1364776 0.1377789 0.1560124 0.1560124 0.1411675 
       34        35        36        37        38        39        40        41        42        43        44 
0.1411675 0.1704796 0.1364776 0.1411675 0.1364776 0.1364776 0.1364776 0.1364776 0.1364776 0.1364776 0.1560124 
       45        46        47        48        49        50        51        52        53        54        55 
0.1560124 0.1560124 0.1560124 0.1560124 0.1364776 0.1560124 0.1560124 0.1704796 0.1560124 0.1470566 0.1470566 
       56        57        58        59        60        61        62        63        64        65        66 
0.1470566 0.1470566 0.1470566 0.1411675 0.1470566 0.1704796 0.1364776 0.1364776 0.1704796 0.1470566 0.1470566 
       67        68        69        70        71        72        73        74        75        76        77 
0.1470566 0.1470566 0.1411675 0.1704796 0.1364776 0.1364776 0.1364776 0.1364776 0.1364776 0.1411675 0.1411675 
       78        79        80        81        82        83        84        85        86        87        88 
0.1411675 0.1560124 0.1364776 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1704796 
       89        90        91        92        93        94        95        96        97        98        99 
0.1411675 0.1704796 0.1364776 0.1364776 0.1704796 0.1364776 0.1470566 0.1470566 0.1470566 0.1364776 0.1364776 
      100       101       102       103       104       105       106       107       108       109       110 
0.1364776 0.1364776 0.1364776 0.1470566 0.1364776 0.1364776 0.1377789 0.1364776 0.1364776 0.1364776 0.1377789 
      111       112       113       114       115       116       117       118       119       120       121 
0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1377789 0.1377789 0.1377789 
      122       123       124       125       126       127       128       129       130       131       132 
0.1364776 0.1364776 0.1411675 0.1364776 0.1704796 0.1470566 0.1364776 0.1364776 0.1364776 0.1704796 0.1411675 
      133       134       135       136       137       138       139       140       141       142       143 
0.1364776 0.1560124 0.1364776 0.1470566 0.1470566 0.1470566 0.1470566 0.1470566 0.1470566 0.1470566 0.1470566 
      144       145       146       147       148       149       150       151       152       153       154 
0.1704796 0.1704796 0.1411675 0.1470566 0.1704796 0.1704796 0.1411675 0.1560124 0.1560124 0.1560124 0.1704796 
      155       156       157       158       159       160       161       162       163       164       165 
0.1411675 0.1411675 0.1704796 0.1364776 0.1411675 0.1411675 0.1411675 0.1411675 0.1704796 0.1704796 0.1411675 
      166       167       168       169       170       171       172       173       174       175       176 
0.1377789 0.1704796 0.1704796 0.1560124 0.1411675 0.1364776 0.1364776 0.1364776 0.1364776 0.1704796 0.1411675 
      177       178       179       180       181       182       183       184       185       186       187 
0.1470566 0.1470566 0.1470566 0.1411675 0.1704796 0.1411675 0.1704796 0.1704796 0.1411675 0.1411675 0.1470566 
      188       189       190       191       192       193       194       195       196       197       198 
0.1470566 0.1377789 0.1704796 0.1364776 0.1470566 0.1470566 0.1470566 0.1411675 0.1470566 0.1411675 0.1411675 
      199       200       201       202       203       204       205       206       207       208       209 
0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1470566 0.1364776 0.1470566 0.1470566 0.1411675 0.1411675 
      210       211       212       213       214       215       216       217       218       219       220 
0.1411675 0.1470566 0.1364776 0.1704796 0.1560124 0.1364776 0.1364776 0.1364776 0.1704796 0.1364776 0.1364776 
      221       222       223       224       225       226       227       228       229       230       231 
0.1364776 0.1364776 0.1364776 0.1364776 0.1364776 0.1364776 0.1364776 0.1704796 0.1704796 0.1364776 0.1470566 
      232       233       234       235       236       237       238       239       240       241       242 
0.1470566 0.1470566 0.1470566 0.1364776 0.1364776 0.1364776 0.1364776 0.1470566 0.1470566 0.1470566 0.1364776 
      243       244       245       246       247       248       249       250       251       252       253 
0.1364776 0.1704796 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1343128 0.1411675 0.1411675 0.1470566 
      254       255       256       257       258       259       260       261       262       263       264 
0.1470566 0.1470566 0.1364776 0.1364776 0.1364776 0.1364776 0.1364776 0.1364776 0.1411675 0.1411675 0.1411675 
      265       266       267       268       269       270       271       272       273       274       275 
0.1411675 0.1411675 0.1411675 0.1411675 0.1364776 0.1704796 0.1470566 0.1470566 0.1343128 0.1343128 0.1343128 
      276       277       278       279       280       281       282       283       284       285       286 
0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 
      287       288       289       290       291       292       293       294       295       296       297 
0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1364776 0.1704796 0.1470566 0.1411675 
      298       299       300       301       302       303       304       305       306       307       308 
0.1411675 0.1470566 0.1470566 0.1411675 0.1411675 0.1364776 0.1411675 0.1364776 0.1364776 0.1364776 0.1364776 
      309       310       311       312       313       314       315       316       317       318       319 
0.1364776 0.1364776 0.1364776 0.1364776 0.1364776 0.1364776 0.1470566 0.1411675 0.1411675 0.1364776 0.1364776 
      320       321       322       323       324       325       326       327       328       329       330 
0.1470566 0.1470566 0.1704796 0.1560124 0.1704796 0.1411675 0.1411675 0.1364776 0.1411675 0.1704796 0.1470566 
      331       332       333       334       335       336       337       338       339       340       341 
0.1343128 0.1343128 0.1364776 0.1411675 0.1470566 0.1411675 0.1470566 0.1470566 0.1470566 0.1470566 0.1411675 
      342       343       344       345       346       347       348       349       350       351       352 
0.1470566 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1560124 0.1560124 
      353       354       355       356       357       358       359       360       361       362       363 
0.1364776 0.1364776 0.1364776 0.1411675 0.1411675 0.1411675 0.1343128 0.1343128 0.1343128 0.1364776 0.1470566 
      364       365       366       367       368       369       370       371       372       373       374 
0.1470566 0.1560124 0.1364776 0.1704796 0.1343128 0.1343128 0.1343128 0.1343128 0.1343128 0.1470566 0.1470566 
      375       376       377       378       379       380       381       382       383       384       385 
0.1364776 0.1560124 0.1560124 0.1560124 0.1343128 0.1343128 0.1560124 0.1560124 0.1560124 0.1560124 0.1560124 
      386       387       388       389       390       391       392       393       394       395       396 
0.1560124 0.1411675 0.1411675 0.1560124 0.1411675 0.1411675 0.1343128 0.1343128 0.1411675 0.1411675 0.1411675 
      397       398       399       400       401       402       403       404       405       406       407 
0.1411675 0.1411675 0.1411675 0.1364776 0.1411675 0.1411675 0.1411675 0.1560124 0.1411675 0.1411675 0.1411675 
      408       409       410       411       412       413       414       415       416       417       418 
0.1411675 0.1411675 0.1560124 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1470566 0.1364776 
      419       420       421       422       423       424       425       426       427       428       429 
0.1377789 0.1411675 0.1411675 0.1411675 0.1364776 0.1364776 0.1343128 0.1704796 0.1411675 0.1411675 0.1704796 
      430       431       432       433       434       435       436       437       438       439       440 
0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1470566 0.1470566 
      441       442       443       444       445       446       447       448       449       450       451 
0.1470566 0.1470566 0.1411675 0.1704796 0.1364776 0.1364776 0.1364776 0.1377789 0.1470566 0.1364776 0.1364776 
      452       453       454       455       456       457       458       459       460       461       462 
0.1364776 0.1364776 0.1364776 0.1364776 0.1364776 0.1364776 0.1364776 0.1364776 0.1364776 0.1411675 0.1364776 
      463       464       465       466       467       468       469       470       471       472       473 
0.1364776 0.1364776 0.1364776 0.1364776 0.1364776 0.1364776 0.1364776 0.1364776 0.1411675 0.1364776 0.1364776 
      474       475       476       477       478       479       480       481       482       483       484 
0.1364776 0.1470566 0.1411675 0.1470566 0.1470566 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 
      485       486       487       488       489       490       491       492       493       494       495 
0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1704796 0.1411675 0.1411675 0.1470566 0.1470566 0.1364776 
      496       497       498       499       500       501       502       503       504       505       506 
0.1364776 0.1364776 0.1364776 0.1364776 0.1377789 0.1377789 0.1411675 0.1704796 0.1470566 0.1470566 0.1704796 
      507       508       509       510       511       512       513       514       515       516       517 
0.1364776 0.1364776 0.1364776 0.1364776 0.1364776 0.1377789 0.1377789 0.1377789 0.1411675 0.1704796 0.1704796 
      518       519       520       521       522       523       524       525       526       527       528 
0.1560124 0.1560124 0.1560124 0.1470566 0.1470566 0.1364776 0.1364776 0.1364776 0.1364776 0.1364776 0.1364776 
      529       530       531       532       533       534       535       536       537       538       539 
0.1560124 0.1364776 0.1364776 0.1364776 0.1470566 0.1470566 0.1704796 0.1704796 0.1470566 0.1470566 0.1364776 
      540       541       542       543       544       545       546       547       548       549       550 
0.1470566 0.1377789 0.1377789 0.1470566 0.1704796 0.1377789 0.1343128 0.1470566 0.1364776 0.1411675 0.1411675 
      551       552       553       554       555       556       557       558       559       560       561 
0.1411675 0.1377789 0.1377789 0.1377789 0.1377789 0.1704796 0.1364776 0.1704796 0.1704796 0.1411675 0.1411675 
      562       563       564       565       566       567       568       569       570       571       572 
0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1470566 0.1411675 0.1411675 
      573       574       575       576       577       578       579       580       581       582       583 
0.1411675 0.1411675 0.1364776 0.1704796 0.1560124 0.1560124 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 
      584       585       586       587       588       589       590       591       592       593       594 
0.1411675 0.1364776 0.1364776 0.1470566 0.1470566 0.1364776 0.1364776 0.1364776 0.1411675 0.1411675 0.1470566 
      595       596       597       598       599       600       601       602       603       604       605 
0.1470566 0.1364776 0.1704796 0.1470566 0.1470566 0.1470566 0.1364776 0.1377789 0.1377789 0.1377789 0.1377789 
      606       607       608       609       610       611       612       613       614       615       616 
0.1377789 0.1704796 0.1560124 0.1470566 0.1470566 0.1470566 0.1470566 0.1470566 0.1364776 0.1411675 0.1364776 
      617       618       619       620       621       622       623       624       625       626       627 
0.1364776 0.1411675 0.1364776 0.1470566 0.1470566 0.1470566 0.1470566 0.1704796 0.1470566 0.1470566 0.1411675 
      628       629       630       631       632       633       634       635       636       637       638 
0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1470566 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 
      639       640       641       642       643       644       645       646       647       648       649 
0.1377789 0.1377789 0.1411675 0.1364776 0.1364776 0.1343128 0.1343128 0.1704796 0.1364776 0.1377789 0.1377789 
      650       651       652       653       654       655       656       657       658       659       660 
0.1377789 0.1377789 0.1377789 0.1377789 0.1704796 0.1411675 0.1411675 0.1470566 0.1560124 0.1560124 0.1560124 
      661       662       663       664       665       666       667       668       669       670       671 
0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 
      672       673       674       675       676       677       678       679       680       681       682 
0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 
      683       684       685       686       687       688       689       690       691       692       693 
0.1411675 0.1411675 0.1411675 0.1411675 0.1704796 0.1704796 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 
      694       695       696       697       698       699       700       701       702       703       704 
0.1411675 0.1560124 0.1364776 0.1364776 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 
      705       706       707       708       709       710       711       712       713       714       715 
0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1470566 0.1470566 0.1411675 0.1411675 0.1411675 
      716       717       718       719       720       721       722       723       724       725       726 
0.1411675 0.1704796 0.1704796 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 
      727       728       729       730       731       732       733       734       735       736       737 
0.1411675 0.1411675 0.1411675 0.1411675 0.1470566 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1364776 
      738       739       740       741       742       743       744       745       746       747       748 
0.1364776 0.1364776 0.1364776 0.1470566 0.1343128 0.1343128 0.1470566 0.1470566 0.1470566 0.1470566 0.1470566 
      749       750       751       752       753       754       755       756       757       758       759 
0.1470566 0.1470566 0.1470566 0.1470566 0.1470566 0.1470566 0.1470566 0.1470566 0.1470566 0.1364776 0.1364776 
      760       761       762       763       764       765       766       767       768       769       770 
0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 
      771       772       773       774       775       776       777       778       779       780       781 
0.1411675 0.1364776 0.1704796 0.1364776 0.1364776 0.1364776 0.1411675 0.1704796 0.1377789 0.1377789 0.1364776 
      782       783       784       785       786       787       788       789       790       791       792 
0.1470566 0.1470566 0.1470566 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1364776 0.1411675 
      793       794       795       796       797       798       799       800       801       802       803 
0.1364776 0.1470566 0.1364776 0.1364776 0.1377789 0.1364776 0.1364776 0.1411675 0.1411675 0.1411675 0.1411675 
      804       805       806       807       808       809       810       811       812       813       814 
0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1411675 0.1704796 0.1343128 0.1343128 0.1343128 0.1343128 
      815       816       817       818       819       820       821       822       823       824       825 
0.1343128 0.1343128 0.1343128 0.1343128 0.1470566 0.1470566 0.1470566 0.1704796 0.1411675 0.1411675 0.1411675 
      826       827       828       829       830       831       832       833       834       835       836 
0.1704796 0.1364776 0.1364776 0.1411675 0.1364776 0.1411675 0.1411675 0.1470566 0.1364776 0.1470566 0.1470566 
      837       838       839       840       841       842       843       844       845       846       847 
0.1364776 0.1704796 0.1704796 0.1364776 0.1470566 0.1704796 0.1364776 0.1364776 0.1704796 0.1470566 0.1364776 
      848       849       850       851       852       853       854       855       856       857       858 
0.1364776 0.1364776 0.1364776 0.1377789 0.1377789 0.1560124 0.1560124 0.1560124 0.1560124 0.1377789 0.1411675 
      859       860       861       862       863       864       865       866       867       868       869 
0.1470566 0.1411675 0.1411675 0.1364776 0.1364776 0.1364776 0.1364776 0.1411675 0.1411675 0.1411675 0.1411675 
      870       871       872       873       874       875       876       877       878       879       880 
0.1411675 0.1377789 0.1377789 0.1377789 0.1377789 0.1377789 0.1377789 0.1364776 0.1364776 0.1411675 0.1470566 
      881       882       883       884       885       886       887       888       889       890       891 
0.1470566 0.1470566 0.1411675 0.1411675 0.1343128 0.1364776 0.1470566 0.1411675 0.1411675 0.1411675 0.1411675 
      892       893       894       895       896       897       898       899       900       901       902 
0.1364776 0.1411675 0.1364776 0.1364776 0.1411675 0.1364776 0.1377789 0.1377789 0.1343128 0.1343128 0.1364776 
      903       904       905       906       907       908       909       910       911       912       913 
0.1364776 0.1364776 0.1704796 0.1364776 0.1411675 0.1411675 0.1343128 0.1364776 0.1470566 0.1470566 0.1411675 
      914       915       916       917       918       919       920       921       922       923       924 
0.1704796 0.1364776 0.1411675 0.1364776 0.1364776 0.1364776 0.1364776 0.1364776 0.1364776 0.1704796 0.1364776 
      925       926       927       928       929       930       931       932       933       934       935 
0.1364776 0.1364776 0.1470566 0.1470566 0.1470566 0.1470566 0.1364776 0.1364776 0.1364776 0.1364776 0.1364776 
      936       937       938       939       940       941       942       943       944       945       946 
0.1470566 0.1470566 0.1470566 0.1364776 0.1560124 0.1560124 0.1560124 0.1560124 0.1411675 0.1560124 0.1560124 
      947       948       949       950       951       952       953       954       955       956       957 
0.1560124 0.1560124 0.1364776 0.1560124 0.1470566 0.1470566 0.1470566 0.1364776 0.1411675 0.1470566 0.1470566 
      958       959       960       961       962       963       964       965       966       967       968 
0.1470566 0.1470566 0.1470566 0.1470566 0.1470566 0.1364776 0.1364776 0.1364776 0.1364776 0.1364776 0.1364776 
      969       970       971       972       973       974       975       976       977       978       979 
0.1470566 0.1364776 0.1364776 0.1364776 0.1364776 0.1364776 0.1364776 0.1364776 0.1364776 0.1364776 0.1704796 
      980       981       982       983       984       985       986       987       988       989       990 
0.1364776 0.1364776 0.1364776 0.1364776 0.1364776 0.1470566 0.1364776 0.1364776 0.1364776 0.1364776 0.1364776 
      991       992       993       994       995       996       997       998       999      1000 
0.1364776 0.1364776 0.1411675 0.1411675 0.1364776 0.1364776 0.1411675 0.1411675 0.1411675 0.1411675 
 [ reached getOption("max.print") -- omitted 1334006 entries ]
Warning message:
'newdata' had 1317308 rows but variables found have 1335006 rows

I see this warning.

'newdata' had 1317308 rows but variables found have 1335006 rows

I think you might have some NAs in the predictor variables, so the length of your predictions is different than the length of the data frame.

You can try this. If this doesn't work, I think you'll need to provide a minimal reproducible example.

predict(probit, Validationdataframe, type="response", na.action = na.exclude)
1 Like

@arthur.t

My data set don´t have NA. If it had, it wouldn´t work correctly for the logit prediction as it did.

But even run your suggested command I got the same error.

I think you should switch to using a formula with data frame column names and a data = argument in the glm.

glm(formula = response ~ predictor1 + predictor2, data = train_data, ...

Perhaps predict is getting confused with the predictor names because they were specified as vectors instead of data frame column names.