回归汇总输出 R 中未出现的定性预测变量答案

【问题标题】：Qualitative predictor variables not appearing in regression summary output R回归汇总输出 R 中未出现的定性预测变量
【发布时间】：2013-02-28 15:01:18
【问题描述】：

我有一个大数据集，用于运行带有一些定性预测变量的线性回归模型。我将数据集称为 WN，定性变量是 OState 和 DState（美国的州）。在这里，您将看到 WN 中的 OState 和 DState 有 62 个唯一值：

> unique(WN$OState)
[1] NY MA PA DE DC VA MD WV NC RI SC NH GA FL AL TN MS ME KY OH IN MI VT IA WI MN SD ND MT CT IL MO KS NE NJ LA AR OK TX CO WY ID UT AZ NM NV CA OR WA
62 Levels: AA AE AK AL AP AR AS AZ CA CO CT DC DE FL FM GA GU HI IA ID IL IN KS KY LA MA MD ME MH MI MN MO MP MS MT NC ND NE NH NJ NM NV NY OH OK OR PA PR PW RI SC SD TN TX UT VA VI VT WA ... WY
> unique(WN$DState)
[1] MA RI NH ME VT CT NY NJ PA DE DC VA MD WV NC SC GA FL AL TN MS KY OH IN MI IA WI MN SD ND MT IL MO KS NE LA AR OK TX CO WY ID UT AZ NM NV CA OR WA
62 Levels: AA AE AK AL AP AR AS AZ CA CO CT DC DE FL FM GA GU HI IA ID IL IN KS KY LA MA MD ME MH MI MN MO MP MS MT NC ND NE NH NJ NM NV NY OH OK OR PA PR PW RI SC SD TN TX UT VA VI VT WA ... WY

现在我正在运行回归模型来预测带有距离、OState 和 DState 的速率，如下所示：

> WN.LR = lm(WN$Rate~WN$Distance+WN$OState+WN$DState)

当我检查回归摘要时，我看到仅填充了 48 个 OState 和 DState 预测变量，其余 14 个缺失。下面给出了摘要输出的一小部分。例如，您会看到输出中缺少 OStateAL：

> summary(WN.LR)

Call:
lm(formula = WN$Rate ~ WN$Distance + WN$OState + WN$DState)

Residuals:
    Min      1Q  Median      3Q     Max 
-2370.3  -218.4   -18.9   170.8  9105.7 

Coefficients:
              Estimate Std. Error t value Pr(>|t|)    
(Intercept)  1.208e+03  6.632e+00 182.171  < 2e-16 ***
WN$Distance  1.626e+00  3.111e-03 522.722  < 2e-16 ***
WN$OStateAR  2.000e+02  7.294e+00  27.419  < 2e-16 ***
WN$OStateAZ  1.981e+02  8.372e+00  23.667  < 2e-16 ***
WN$OStateCA  1.056e+02  7.919e+00  13.340  < 2e-16 ***
WN$OStateCO  1.323e+02  7.332e+00  18.043  < 2e-16 ***
WN$OStateCT -2.019e+02  1.827e+01 -11.048  < 2e-16 ***
WN$OStateDC  5.711e+02  2.178e+01  26.223  < 2e-16 ***

另一方面，当我检查具有 OState = "AL" 的实体时，我看到有超过 6000 行：

> WNnew<-subset(WN,OState=="AL")
> nrow(WNnew)
[1] 6213

对此有何解释？

【问题讨论】：

标签： r linear-regression

【解决方案1】：

这很可能是因为混叠（即您的模型被过度识别）。例如，Massachusetts 在您的DState 和OState 变量中都是一个水平，所以我认为它在两种治疗中的效果不能分开。

【讨论】：

【解决方案2】：

在构建模型时，您没有阅读警告，即系数列表中的所有 NA。运行时将列出别名术语：

WN.LR  # always look at the output of `lm` as well as that of `summary.lm`

...而您只是未能读取输出。您可能会考虑在说 OState 中创建一个“相同”级别，其中 DState 与 OState 相同，然后允许它捕获没有差异的所有状态。

【讨论】：