我需要分类变量回归指标吗？答案

【问题标题】：Do I need Indicators for Regression with Categorical Variables?我需要分类变量回归指标吗？
【发布时间】：2017-08-27 03:07:21
【问题描述】：

人们总是说，为了回归，我们需要为分类值创建预测变量。我做了一个测试，首先为一个五层分类变量创建一个 1、2、3 的预测列。然后，我运行了相同的模型，没有预测列，但有分类列本身。

总之，系数不同；但是，它们的相对重要性和对 y 值的影响是相同的。此外，在这两种情况下，R 平方和 p 值数字完全相同。那么，我是否必须创建预测变量，或者 R 是否足够聪明以自动完成？

for(i in 1:74)
{
  if(travel$accommodation[i] == "Hotel")
  {
    travel$pred_hotel[i] <- 1
  }

  if(travel$accommodation[i] == "Airbnb")
  {
    travel$pred_hotel[i] <- 2
  }

  if(travel$accommodation[i] == "Hostel")
  {
    travel$pred_hotel[i] <- 3
  }

  if(travel$accommodation[i] == "With friend/family")
  {
    travel$pred_hotel[i] <- 4
  }

  if(travel$accommodation[i] == "Other")
  {
    travel$pred_hotel[i] <- 5
  }
}

travel$pred_hotel <- as.factor(travel$pred_hotel)

然后：

msf <- lm(ticket_events_money ~ museum_fee + nationality + 
    ticket_events_frequency + accommodation + line + activity_1 + 
    locals + vacation_days, data = travel[-1, ])

mm <- lm(ticket_events_money ~ museum_fee + nationality + 
    ticket_events_frequency + pred_hotel + line + activity_1 + 
    locals + vacation_days, data = travel[-1, ])

summary(msf)
summary(mm)

【问题讨论】：

标签： r statistics regression linear-regression lm

【解决方案1】：

问题是，你原来有一个字符列accommodation。您的新变量pred_hotel 是一个因素。函数lm 自动将字符协变量转换为因子。在您的测试中，唯一的区别在于因子水平；其余的都是一样的。如果您想查看差异，请删除 as.factor 行。

另一个常见的失败是在以下最小的、可重现的示例中。

dat <- data.frame(y = rnorm(20), x = rep(letters[1:2], 10), stringsAsFactors = FALSE)
m1 <- lm(y ~ x, dat)

dat$x[dat$x == 'a'] <- 1
dat$x[dat$x == 'b'] <- 2
class(dat$x)    # still a character column!!
m2 <- lm(y ~ x, dat)

但是如果你使用实数，你会看到区别：

dat$x <- as.numeric(dat$x)
m3 <- lm(y ~ x, dat)

【讨论】：