r - R 中的因子水平默认为 1 和 2 |虚拟变量

Question

我正在从 Stata 过渡到 R。在 Stata 中，如果我将因子水平(比如-0 和 1)标记为(M 和 F)，则 0 和 1 将保持原样。此外，这对于大多数软件(包括 Excel 和 SPSS)中的虚拟变量线性回归是必需的。

但是，我注意到 R 默认因子水平为 1,2 而不是 0,1。我不知道为什么 R 会这样做，尽管内部回归(并且正确地)假设 0 和 1 作为因子变量。我将不胜感激任何帮助。

这是我所做的:

尝试 #1:

sex<-c(0,1,0,1,1)
sex<-factor(sex,levels = c(1,0),labels = c("F","M"))
str(sex)
Factor w/ 2 levels "F","M": 2 1 2 1 1

似乎因子水平现在重置为 1 和 2。我相信 1 和 2s 是对此处因子水平的引用。但是，我丢失了原始值，即 0 和 1。

尝试2:

sex<-c(0,1,0,1,1)
sex<-factor(sex,levels = c(0,1),labels = c("F","M"))
str(sex)
Factor w/ 2 levels "F","M": 1 2 1 2 2

同上。我的 0 和 1 现在是 1 和 2。相当令人惊讶。为什么会发生这种情况。

尝试3
现在，我想看看 1s 和 2s 是否有任何不良影响回归。所以，这就是我所做的:

这是我的数据的样子:

> head(data.frame(sassign$total_,sassign$gender))
  sassign.total_ sassign.gender
1            357              M
2            138              M
3            172              F
4            272              F
5            149              F
6            113              F

myfit<-lm(sassign$total_ ~ sassign$gender)

myfit$coefficients
    (Intercept) sassign$genderM 
      200.63522        23.00606  

所以，事实证明手段是正确的。在运行回归时，R 确实使用 0 和 1 值作为虚拟变量。

我确实检查了 SO 上的其他线程，但他们主要谈论 R 如何编码因子变量而没有告诉我原因。 Stata 和 SPSS 通常要求基变量为“0”。所以，我想问问这个。

我很感激任何想法。

Answer 1

R不是Stata。并且您将需要忘记很多关于虚拟变量构造的知识。 R 在幕后为您完成。你不能让 R 的行为和 Stata 完全一样。确实，R 在“F”级别的模型矩阵列中确实有 0 和 1 ，但这些值乘以因子值(在本例中为 1 和 2)。然而，对比总是关于差异，差异 btwn (0,1) 与差异 btwn (1,2) 相同。

一个数据示例:

dput(dat)
structure(list(total = c(357L, 138L, 172L, 272L, 149L, 113L), 
    gender = structure(c(2L, 2L, 1L, 1L, 1L, 1L), .Label = c("F", 
    "M"), class = "factor")), .Names = c("total", "gender"), row.names = c("1", 
"2", "3", "4", "5", "6"), class = "data.frame")

这两个回归模型具有不同的模型矩阵(模型矩阵是 R 构建其“虚拟变量”的方式。

> myfit<-lm(total ~ gender, dat)
> 
> myfit$coefficients
(Intercept)     genderM 
      176.5        71.0 
> dat$gender=factor(dat$gender, levels=c("M","F") )
> myfit<-lm(total ~ gender, dat)
> 
> myfit$coefficients
(Intercept)     genderF 
      247.5       -71.0 
> model.matrix(myfit)
  (Intercept) genderF
1           1       0
2           1       0
3           1       1
4           1       1
5           1       1
6           1       1
attr(,"assign")
[1] 0 1
attr(,"contrasts")
attr(,"contrasts")$gender
[1] "contr.treatment"

> dat$gender=factor(dat$gender, levels=c("F","M") )
> myfit<-lm(total ~ gender, dat)
> 
> myfit$coefficients
(Intercept)     genderM 
      176.5        71.0 
> model.matrix(myfit)
  (Intercept) genderM
1           1       1
2           1       1
3           1       0
4           1       0
5           1       0
6           1       0
attr(,"assign")
[1] 0 1
attr(,"contrasts")
attr(,"contrasts")$gender
[1] "contr.treatment"