r - 如何在R中创建因子交互变量？为什么我不能直接乘法？

Question

我正在做 OLS 回归，并且正在尝试创建交互变量。据我所知，要做到这一点，我只需将两个变量组合在一起。然而，这是行不通的。

假设我有变量种族(白人、少数族裔)和位置(NE、S、W、MW)。我想在NE和种族中的所有人之间创造一种互动效果。所以我这样做:

>NE = location[location==NE]
>race_NE = NE*race
Error in race * NE : non-numeric argument to binary operator

没用。为什么？

然后我找到了代码interaction()。我不确定这意味着什么，但它似乎给了我一些东西:

> cat = interaction(NE, race)
Warning message:
In ans * length(l) + if1 :
  longer object length is not a multiple of shorter object length
> freq(cat)
cat 
                  Frequency Percent
2 NE.0 white       246    44.4
2 NE.1 minority       308    55.6
Total                   554   100.0

我不确定这是否符合我的需要，以便我可以在 lm() 模型中使用交互变量？

我有点迷失在这里。这可能更多是一个统计数据和 R 问题。请帮忙，谢谢

Answer 1

我认为这很大程度上是一个 R 问题。当你这样做时:

NE = location[location==NE]

您可能认为您正在创建一个逻辑变量，可以将其与其他变量相乘以创建交互项。并非如此。因为逻辑比较是在“[”(提取)运算符内完成的，所以它仅选择等于符号 NE 值的 location 值(可能或可能)不是值“NE”。这就是为什么您收到有关不同长度的警告的原因。

如果 NE == "NE" 为真...并且 location 变量包含一些 "NE"在其中，那么你可以这样做:

 NE <- location == NE

这会将 NE 的大概长度为 1 的值替换为与 location 长度相同的向量，其中包含一堆 TRUE 和 FALSE。您可以将其他向量乘以逻辑值，并得到数值结果，其中 TRUE 转换为 1，FALSE 转换为 0。标准 bool 算术在 R 中确实成功。并且您可以在 R 的回归函数中使用以这种方式创建的变量。这不是通常的方法，但它确实提供了合理的结果。

另一方面，表示交互作用的公式方法要紧凑得多，Maxim.K 的评论一针见血。如果您按照上面的方式构建了 NE 变量，您可以执行如下操作:

  lm ( outcome ~ race * NE, data=dfrm) 

“*”在这种情况下实际上有很大不同。在公式中使用时，它不执行乘法(就像“^”不是幂运算符)。另一种稍微笨拙的方法是:

 lm ( outcome ~ race * I(location=="NE"), data=dfrm)

I函数将返回逻辑向量的计算结果。 (这假设 location 的未声明值包括“NE”。当我们讨论构建交互的主题时，您可能需要查看 %in%函数 with 将允许您轻松构建集合成员资格。许多新手通过执行以下操作来构建正确的集合成员资格测试失败:

  NE.SE <- location == c("NE", "SE")  # almost never TRUE

...什么时候他们应该这样做:

 NE.SE <- location %in% c("NE", "SE")