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:R回归模型,r,linear-regression,R,Linear Regression,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$var1==1,] dat_sp
dat <- data.frame(var1 = c(1,2,1,1,1,2), var2 = c("IceCream", "Batman", "IceCream", "Batman", "Batman"))
另一种方式:
dat[dat$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。