R使用glm和分类变量复制预测变量

我正在用分类预测和二元反应构建一个glm in R。我的数据是这样的（但要大得多，而且有多个预测因素）：

总结如下：

summary(g1)
Call:
glm(formula = y ~ x, family = binomial(link = "logit"))

Deviance Residuals: 
         1           2           3           4           5  
 6.547e-06   6.547e-06   6.547e-06  -6.547e-06  -6.547e-06  

Coefficients:
             Estimate Std. Error z value Pr(>|z|)
(Intercept)     24.57   75639.11       0        1
x1             -49.13  151278.15       0        1
x2             -49.13  151278.15       0        1

(Dispersion parameter for binomial family taken to be 1)

Null deviance: 6.7301e+00  on 4  degrees of freedom
Residual deviance: 2.1434e-10  on 2  degrees of freedom
AIC: 6

Number of Fisher Scoring iterations: 23

我不明白的是为什么R在x1和x2中复制了x预测值？x1和x2是什么意思

我还需要明确地写下带有估计值的模型，形式如下：y~B0+B1*x，所以我现在被卡住了，因为x被分成了两部分，没有称为x1和x2的初始变量

---

谢谢你的帮助

发生这种情况是因为您将

x

作为一个因子。该系数有三个级别（0、1和2）。在回归模型中放置分类变量时，编码它的一种方法是使用参考类别。在这种情况下，R选择将0级别作为参考类别。那么x1和x2的系数分别是0和1以及0和2之间的级差

这在回归中是相当标准的，所以你不应该感到太惊讶。也许你只是对R如何命名系数感到困惑

y <- as.factor(y)
x <- as.factor(x)

g1 <- glm(y~x, family=binomial(link="logit"))

g1
Call:  glm(formula = y ~ x, family = binomial(link = "logit"))
Coefficients:
(Intercept)           x1           x2  
      24.57       -49.13       -49.13  
Degrees of Freedom: 4 Total (i.e. Null);  2 Residual
Null Deviance:      6.73 
Residual Deviance: 2.143e-10    AIC: 6 

summary(g1)
Call:
glm(formula = y ~ x, family = binomial(link = "logit"))

Deviance Residuals: 
         1           2           3           4           5  
 6.547e-06   6.547e-06   6.547e-06  -6.547e-06  -6.547e-06  

Coefficients:
             Estimate Std. Error z value Pr(>|z|)
(Intercept)     24.57   75639.11       0        1
x1             -49.13  151278.15       0        1
x2             -49.13  151278.15       0        1

(Dispersion parameter for binomial family taken to be 1)

Null deviance: 6.7301e+00  on 4  degrees of freedom
Residual deviance: 2.1434e-10  on 2  degrees of freedom
AIC: 6

Number of Fisher Scoring iterations: 23