R回归模型

我试图在R中进行回归分析，但是，我有定性的变量，例如（1=餐厅，2=电话）。我使用函数因子对它们进行了更改，但是，我需要分离这些值，以便有两个不同的变量用于回归分析。我如何才能做到这一点？

假设您的数据位于数据帧中：

dat <- data.frame(var1 = c(1,2,1,1,1,2), var2 = c("IceCream", "Batman", "IceCream", "Batman",  "Batman"))

另一种方式：

dat[dat$var1==1,]

dat_split <- split(dat, dat$var1)
dat_split$`1`

另一种方式：

dat[dat$var1==1,]

dat_split <- split(dat, dat$var1)
dat_split$`1`

---

dat\u split您可以使用
model.matrix
。使用上面@thelatemail的示例：

y <- rnorm(100) 
x <- sample(factor(c("a","b","c")), 100, replace=TRUE)
head(x)
[1] a b a c a c
Levels: a b c

x1 <- model.matrix(~x-1)
head(x1)
  xa xb xc
1  0  0  1
2  1  0  0
3  0  0  1
4  0  0  1
5  0  1  0
6  0  1  0

y你没有。R是聪明的，当把它放进模型中时，它会比较你因子的每一个层次。例如：
y不确定这是如何回答这个问题的。据我所知，问题在于拟合一个包含分类预测变量的线性模型。这肯定是一个措辞糟糕的问题。我把它理解为试图在R中分离因子进行回归分析。