- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在阅读有关公式和线性回归的内容,但我无法理解如何解释 lm
的输出以获取具有多个参数和分类变量的线性回归。
我想我了解如何解释简单 y = 的输出 a + bx 公式(如果我在下面说的有误,请纠正我)。
#library(tidyverse)
#library(modelr)
require(ggplot2)
require(dplyr)
diamonds2 <- diamonds %>%
mutate(lprice = log2(price), lcarat = log2(carat))
mod <- lm(
lprice ~ lcarat,
data = diamonds2
)
#diamonds2 %>% modelr::add_predictions(mod, "pred_price")
diamonds2$pred_price <- predict(mod, diamonds2) # if you don't have modelr
模型(mod
)是
Call:
lm(formula = lprice ~ lcarat, data = diamonds2)
Coefficients:
(Intercept) lcarat
12.189 1.676
据我了解,这意味着当我添加预测时,生成预测的公式是
pred_price = 12.189 + (1.676 * lcarat)
当我在公式中添加分类变量时,我感到很困惑
diamonds2 <- diamonds %>%
mutate(lprice = log2(price), lcarat = log2(carat))
mod <- lm(
lprice ~ lcarat + cut, # I added a categorical variable here
data = diamonds2
)
diamonds2 %>%
add_predictions(mod, "pred_price")
现在模型是
Call:
lm(formula = lprice ~ lcarat + cut, data = diamonds2)
Coefficients:
(Intercept) lcarat cut.L cut.Q cut.C cut^4
12.10711 1.69577 0.32364 -0.09583 0.07631 0.02688
我对一些事情感到困惑。
1) diamonds$cut
有五个可能的值(fair、good、very good、premium、ideal),那么为什么模型只显示四个切工值?
2) 据我了解,R 在线性回归方程中将分类变量视为 1 或 0,因此在评估数据行时,每个“切割”系数将乘以 1 或 0。对吗?
3) 如何根据上面给出的系数编写 y = a_0 + (a_1 * x_1) + (a_2 * x_2)...
?在这种情况下这可能吗?
最佳答案
1) lm 做了一些不想要的事情,它将 diamonds$cut 变量视为有序分类而不是分类(即没有使用通常的 1/0 虚拟变量对比处理)。
最初我认为您只需要确保 lm
得到一个明确的,要么写lm(formula = lprice ~ lcarat + factor(cut))
或修复数据框 diamonds2$cut <- factor(diamonds2$cut)
.
您期望看到分类 cut
的对比度级别. (5 级分类会给出 4 个对比(和一个截距);请参阅文档以获取帮助(对比)。但是您没有从 lm 获得对比级别,而是获得了多项式系数。
深入探究发生这种情况的原因,我们注意到 str(cut)
告诉我们cut
是一个有序分类(这是罪魁祸首):
> str(diamonds$cut)
Ord.factor w/ 5 levels "Fair"<"Good"<..: 5 4 2 4 2 3 3 3 1 3 ...
为了进一步了解 lm 这样做的原因,我查看了 help(contrast), help(lm) and help(model.matrix.default)
的页面,这让我找到了 options('contrasts')
:
> getOption('contrasts')
unordered ordered
"contr.treatment" "contr.poly"
这意味着 lm 在有序分类(如 diamonds$cut)上生成对比的默认行为是不需要的 contr.poly()
.所以要么更改默认值,要么转换 cut
到无序分类,或创建一个新的 var diamonds$cut <- factor(diamonds$cut, ordered=F)
两种解决方案的代码都在底部。
2) 不,如果您将 diamonds$cut 作为分类传递,就会发生这种情况。但是你得到了cut.L, .Q, .C, ^4...
它们是 cut 值中(不需要的)多项式的线性、二次、三次、四次系数,它试图拟合 lcarat 的观察值(请参阅 contrasts
上的帮助,它正在调用 contr.poly
并使用 n=4水平)。这不是你想要的。
另一个线索是那些级别应该被命名 cut.Fair, cut.Good, cut.Very_Good, cut.Premium, cut.Ideal
(嗯,你会从这 5 个中得到 4 个;另一个将被丢弃)。
3) 修复它以将 cut 视为(无序)因子后,您应该得到: lprice = coeff.price * lcarat + coeff.Fair * cut.Fair + coeff.Good * cut.Good + ... + coeff.Ideal * cut.Ideal
FIX/WORKAROUND 1:
# Save the old ordered-categorical, then clobber it with the unordered one so that lm() Does The Right Thing (tm)
diamonds$cut.ordered <- diamonds$cut
diamonds$cut <- factor(diamonds$cut, ordered=F)
OR ELSE FIX 2:
# Make lm treat all categoricals as unordered categoricals, even ordered ones
#options('contrasts' = c('contr.treatment','contr.treatment') )
lm(log(price) ~ log(carat) + cut, data=diamonds)
Coefficients:
(Intercept) log(carat) cutGood cutVery Good cutPremium
8.2001 1.6958 0.1632 0.2408 0.2382
cutIdeal
0.3172
关于r - 理解为什么线性回归没有按预期处理我的分类变量?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/43837025/
我正在从 Stata 迁移到 R(plm 包),以便进行面板模型计量经济学。在 Stata 中,面板模型(例如随机效应)通常报告组内、组间和整体 R 平方。 I have found plm 随机效应
关闭。这个问题不符合Stack Overflow guidelines .它目前不接受答案。 想改进这个问题?将问题更新为 on-topic对于堆栈溢出。 6年前关闭。 Improve this qu
我想要求用户输入整数值列表。用户可以输入单个值或一组多个值,如 1 2 3(spcae 或逗号分隔)然后使用输入的数据进行进一步计算。 我正在使用下面的代码 EXP <- as.integer(rea
当 R 使用分类变量执行回归时,它实际上是虚拟编码。也就是说,省略了一个级别作为基础或引用,并且回归公式包括所有其他级别的虚拟变量。但是,R 选择了哪一个作为引用,以及我如何影响这个选择? 具有四个级
这个问题基本上是我之前问过的问题的延伸:How to only print (adjusted) R-squared of regression model? 我想建立一个线性回归模型来预测具有 15
我在一台安装了多个软件包的 Linux 计算机上安装了 R。现在我正在另一台 Linux 计算机上设置 R。从他们的存储库安装 R 很容易,但我将不得不使用 安装许多包 install.package
我正在阅读 Hadley 的高级 R 编程,当它讨论字符的内存大小时,它说: R has a global string pool. This means that each unique strin
我们可以将 Shiny 代码写在两个单独的文件中,"ui.R"和 "server.R" , 或者我们可以将两个模块写入一个文件 "app.R"并调用函数shinyApp() 这两种方法中的任何一种在性
我正在使用 R 通过 RGP 包进行遗传编程。环境创造了解决问题的功能。我想将这些函数保存在它们自己的 .R 源文件中。我这辈子都想不通怎么办。我尝试过的一种方法是: bf_str = print(b
假设我创建了一个函数“function.r”,在编辑该函数后我必须通过 source('function.r') 重新加载到我的全局环境中。无论如何,每次我进行编辑时,我是否可以避免将其重新加载到我的
例如,test.R 是一个单行文件: $ cat test.R # print('Hello, world!') 我们可以通过Rscript test.R 或R CMD BATCH test.R 来
我知道我可以使用 Rmd 来构建包插图,但想知道是否可以更具体地使用 R Notebooks 来制作包插图。如果是这样,我需要将 R Notebooks 编写为包小插图有什么不同吗?我正在使用最新版本
我正在考虑使用 R 包的共享库进行 R 的站点安装。 多台计算机将访问该库,以便每个人共享相同的设置。 问题是我注意到有时您无法更新包,因为另一个 R 实例正在锁定库。我不能要求每个人都关闭它的 R
我知道如何从命令行启动 R 并执行表达式(例如, R -e 'print("hello")' )或从文件中获取输入(例如, R -f filename.r )。但是,在这两种情况下,R 都会运行文件中
我正在尝试使我当前的项目可重现,因此我正在创建一个主文档(最终是一个 .rmd 文件),用于调用和执行其他几个文档。这样我自己和其他调查员只需要打开和运行一个文件。 当前设置分为三层:主文件、2 个读
关闭。这个问题不符合Stack Overflow guidelines .它目前不接受答案。 想改进这个问题?将问题更新为 on-topic对于堆栈溢出。 5年前关闭。 Improve this qu
我的 R 包中有以下描述文件 Package: blah Title: What the Package Does (one line, title case) Version: 0.0.0.9000
有没有办法更有效地编写以下语句?accel 是一个数据框。 accel[[2]]<- accel[[2]]-weighted.mean(accel[[2]]) accel[[3]]<- accel[[
例如,在尝试安装 R 包时 curl作为 usethis 的依赖项: * installing *source* package ‘curl’ ... ** package ‘curl’ succes
我想将一些软件作为一个包共享,但我的一些脚本似乎并不能很自然地作为函数运行。例如,考虑以下代码块,其中“raw.df”是一个包含离散和连续类型变量的数据框。函数“count.unique”和“squa
我是一名优秀的程序员,十分优秀!