在具有分类变量的 r 输出中使用 lm() 的多元线性回归不完整？答案

【问题标题】：Multiple Linear Regression using lm() in r output with categorical variable is incomplete?在具有分类变量的 r 输出中使用 lm() 的多元线性回归不完整？
【发布时间】：2020-11-07 17:21:25
【问题描述】：

我正在使用这个数据集 https://archive.ics.uci.edu/ml/datasets/automobile 。有一个名为“num.of.doors”的分类变量可以是（二，四），这给我带来了麻烦。

当我运行lm(formula = price ~ horsepower + num.of.doors, data = train.sample) 来预测价格时，输出是：

调用：lm(公式 = 价格 ~ 马力 + 门数，数据 = 训练样本）

系数：（拦截）马力 num.of.doors两个
-4006.5 174.1 -1856.2

但我想看看四扇门的 num.of.doors 的系数。我该怎么做？

【问题讨论】：

lm 给你边际系数；即在相同马力的情况下，两门汽车的成本比四门汽车低 1856.2。对于分类变量，您通常会降低一个级别（因为系数将线性相关）

标签： r regression lm

【解决方案1】：

我认为您的问题是因为当您使用分类变量调整线性回归时，其中一个类别将用作“参考”，其值将在“截距”中表示（成为一部分）。

因此，要查看“四门”的系数，您应该更改变量的基本参考。你可以这样做：

train_sample$num.of.doors = relevel(train_sample$num.of.doors, ref=2)

请记住，通过此更改，“两扇门”现在将成为基本参考。

【讨论】：

【解决方案2】：

如果 num.of.doors 只有两个值（“two”和“four”），则此模型中“four”的系数为 0。

您的公式是价格 = -4006.6 + 174.1（马力）-1856.2（门数 = 两个）

因此，如果汽车有四个门，您的价格很简单：价格 = -4006.6 + 174.1*马力

发生这种情况是因为变量是分类的。可以理解为“如果汽车是两门而不是四门，我的模型估计价格会比四门汽车低 1856.20。”

【讨论】：

【解决方案3】：

有几个选项：

1 - 将 num.of.doors 转换为一个因子，并重新编码以使两扇门成为基本级别。运行 lm 命令后，它将显示线性回归中四个门的系数。这可以通过以下方式实现：

library(tidyverse)
new_train_sample <- train.sample %>%
                  mutate(num.of.doors = factor(num.of.doors, levels = c("two", "four")))

lm_1 <- lm(formula = price ~ horsepower + num.of.doors, data = new_train_sample)
summary(lm_1)

2 - 通过原点执行回归。这将使两个系数都可用于相同的 lm 命令，但截距的解释会略有变化。这不会影响预测或系数的大小。

lm_origin <- lm(formula = price ~ 0 + horsepower + num.of.doors, data = train.sample)
summary(lm_origin)

【讨论】：