R 在逻辑回归中添加虚拟变量向量

我目前正在尝试进行逻辑回归，其中一个变量是32个虚拟变量的向量。每个假人代表一种犯罪类型。例如：

narcotics <- ifelse(train$PRIMARY.DESCRIPTION == "NARCOTICS", 1,0)

我认为这是可行的，因为它们来自同一个数据集，并且假人代表其中一列的每个唯一元素。当我分别输入每个虚拟变量时，它是成功的，但我想压缩回归并使其更有效

---

提前感谢

如果您希望每种类型的犯罪都成为自己的预测因素，您需要将它们绑定到

训练

，然后在

lm

公式中指定变量。（实际上，对于logit，它应该是

glm（）

）

对于更简洁的公式，请在

glm（）

的

data=

参数中子集

train

，以仅包括响应变量和预期设计矩阵。然后使用

street1~。

作为公式

train <- cbind(train, narcotics, theft)I
model.vars <- c("narcotics", "theft", "street1")
logit.mod.train <- glm(street1 ~ ., data = train[,model.vars], family = "binomial")

model.frame.default中出错（公式=响应~PRIMARY.DESCRIPTION+： 可变长度不同（针对'crime.type'找到）

---

错误消息显示

变量长度不同

。可能与您创建

crime.type

的方式有关。您的意思是

crime.type谢谢我们的回答。我忘了提到street1实际上是犯罪地点的虚拟变量。因此列是location.DESCRIPTION，元素是street。因此e是：street1没关系。我算出了。谢谢！因为street1是一个虚拟变量，所以我从model.vars中排除了它，它工作了！如果这个解决方案有帮助，请单击答案旁边的复选标记将其标记为接受。
logit.mod.train <- lm(street1 ~ BEAT+WARD+X.COORDINATE+Y.COORDINATE+LATITUDE+LONGITUDE+crime.type, data = train, family = "binomial")

street1 <- ifelse(train$LOCATION.DESCRIPTION == "STREET", 1,0). 

Error in model.frame.default(formula = street1 ~ BEAT + WARD + X.COORDINATE +  : 
variable lengths differ (found for 'crime.type')

train <- cbind(train, narcotics, theft)I
model.vars <- c("narcotics", "theft", "street1")
logit.mod.train <- glm(street1 ~ ., data = train[,model.vars], family = "binomial")

N <- 100
train <- data.frame(PRIMARY.DESCRIPTION=sample(c("A","B"), replace = T, size = N),
                    response = rbinom(n=N, prob=0.7, size=1))
dim(train) # 100  2

narcotics <- ifelse(train$PRIMARY.DESCRIPTION == "A", 1, 0) 
length(narcotics) # 100

theft <-  ifelse(train$PRIMARY.DESCRIPTION == "B", 1, 0)
length(theft) # 100

crime.type <- c(desc.A, desc.B)
length(crime.type) # 200

logit.mod.train <- glm(response ~ PRIMARY.DESCRIPTION+crime.type, data = train, family = "binomial")