在二进制因变量上运行 OLS答案

【问题标题】：Running OLS on binary dependent variable在二进制因变量上运行 OLS
【发布时间】：2020-10-16 11:09:42
【问题描述】：

我有这样的数据：

data_in <-read_table2("Condition    grade   block   Q2_1    Q2_2    Q2_4    Q2_8    Q2_10   Q2_11   Q2_14
Treatment   8   LB-MS-3 3   3   3   2   1   2   2
Treatment   9   LB-HS-2 4   4   4   3   3   4   3
Treatment   7   LB-MS-1 3   4   3   3   2   2   4
Treatment   10  LB-HS-2 2   4   2   3   3   3   3
Control 9   LB-HS-1 2   4   4   2   3   2   2
Control 8   LB-MS-3 3   3   3   2   3   3   2
Control 10  LB-HS-2 4   4   3   3   3   2   2
Control 8   LB-MS-1 3   3   3   3   2   3   3
Control NA  LB-MS-3 3   3   3   2   3   3   4
Control 8   LB-MS-1 4   4   4   4   3   3   3
Control 9   LB-HS-1 3   3   4   3   3   4   4
Treatment   NA  LB-MS-1 2   2   2   2   2   2   2
Treatment   8   LB-MS-1 3   3   3   2   2   2   2
Control 11  LB-HS-1 3   4   3   1   2   3   3
Treatment   10  LB-HS-1 3   4   2   2   3   4   3
Treatment   8   LB-MS-3 4   4   4   3   3   4   3
Control 7   LB-MS-3 4   2   3   2   3   2   2
Treatment   7   LB-MS-2 4   3   3   4   3   4   3
Control 7   LB-MS-3 3   3   3   2   2   2   3
Treatment   8   LB-MS-2 4   2   3   3   2   2   2
")

我想将“条件”作为二进制因变量运行，并将几个数字和字符变量作为自变量运行。我的期望是 R 会为我将字符变量变成虚拟变量。

model <- lm(condition~.,data=data_in)
summary(model)

但是，当我运行它时，我得到了 NA。我对统计数据不是很熟悉，因此感谢任何帮助解释。

【问题讨论】：

这似乎不是适合 Stack Overflow 的特定编程问题。如果您对适当使用各种统计方法有一般性问题，那么您应该通过Cross Validated 询问此类问题。你更有可能在那里得到更好的答案。
你需要glmdata_in$Condition <- factor(data_in$Condition)# > glm(Condition ~ ., data = na.omit(data_in), family = "binomial")
@akrun。不需要na.omit 作为glm 的默认值，并且可能所有 R 建模函数都省略了 NA。
@Edward 我正在使用 lm 代码进行测试，但忘记删除 na.omit
如果您真的想在二进制因变量上运行 OLS，则使用 data_in$condition <- ifelse(data_in$condition=="Treatment", 1, 0) 将字符变量转换为 0/1 变量。然后，您的 lm 命令应该可以正常运行。

标签： r dplyr lm

【解决方案1】：

尚不完全清楚您的 Condition 变量是二进制的。通常，对于二进制变量，它们的编码介于 0 和 1 之间。例如，如果条件变量实际上是 4，则不将其压缩为两类，您需要将变量重新编码为 0 和 1。您的不同值是什么？条件变量？您可以通过输入 tabulate(data_in$condition) 来查看。

假设条件有两个值，3 和 4。您可以通过执行以下操作将这些值重新编码为 0 和 1。 data_in$condition[data_in$condition == 3] <- 0

data_in$condition[data_in$condition == 4] <- 1

作为一个概念点：二进制度量通常是“是”，“否”度量，其中 0 表示否实例，1 表示是实例。例如，如果您从编码为男性 1 和女性 2 的性别变量转换，您将创建一个女性变量，其中男性为 0，女性为 1。这是您的变量需要考虑的概念性问题。

如果您仍想继续，通常对于二元因变量，您想使用 logit 或 probit 模型来计算模型（它们的解释与您对 lm (OLS) 模型的解释不同，所以我'd 建议阅读一些统计论坛）。

要在 r 中运行 logit 或 probit，您只需键入： model <- glm(condition ~ IV1 + IV2 + IV3, family = binomial(link = "probit"), data = data_in)

summary(model)

有几点需要注意。在这里，您使用的是 glm 函数而不是 lm，该函数对于使用 OLS 之外的其他广义线性模型非常有用。您需要在波浪号的另一侧包含自变量。这就是为什么您的模型以前不起作用的原因，您没有任何 IV 来计算与 DV 的协方差。如果您正在运行概率模型，则要指定您使用的链接函数，它是具有二项分布的概率链接函数。如果您使用 logit，则 family 将等于正态分布（因为 logit 遵循 logit 正态分布或正态分布）并将指定链接函数“link”等于“logit”。

编辑：您可以为条件变量创建一个新变量。

data_in$condition.num <- NA

data_in$condition.num <- ifelse(data_in$condition == "Control", 0, 1)

然后运行你的 Probit 模型：

model <- glm(condition.num ~ grade + block + Q2_1, data = data_in, family = binomial(link = "probit"))

summary(model)

【讨论】：

在您尝试解释结果之前，我建议您做的另一件事是计算您的预期值或为此使用 ggplot 制作图表。通过在 r 中搜索解释 logit 和 probit 结果，您可以找到很多帮助。根据您这样做的目的，您可以在二进制 DV 上使用 OLS 模型。有一些关于这有多合适的讨论，但在一些学术领域，OLS 通常是可以的，因为参数更容易解释。但是，是的，在您对此做太多事情之前，请先查看一些统计数据。