R中的回归与分类变量答案

【问题标题】：Regression in R with categorical variablesR中的回归与分类变量
【发布时间】：2017-03-31 02:36:36
【问题描述】：

我正在尝试理解 R 中的回归。我正在尝试解决一个包含 100 个随机男女数据集的练习，如下所示：

sex     sbp      bmi
male     130     40.0
female   126     29.0
female   115     25.0
male     120     33.0
female   128     34.0
...

我想得到一个数值摘要 (0) 绘制 sbp 和 bmi (1) 之间的关系，并用 R^2 (2) 估计 beta1、beta2 和 sigma 参数。然后，检查模型的优度（3）并得到置信区间（4）..

我认为性别是一个分类变量，所以这是我的代码：

as.numeric(framingham$sex) - 1
apply(framingham, 2, class)

#0
framingham$sex <- factor (framingham$sex)
levels (framingham$sex) <- c("female", "male")
resultadoNumerico <- compareGroups(~., data = framingham)
resumenNumerico <- createTable(resultadoNumerico)
resumenNumerico

# 1
framinghamMatrix <- data.matrix(framingham)
pairs(framinghamMatrix)
cor(framinghamMatrix)

#2
regre <- lm(sbp ~ bmi+sex, data = framingham)
regreSum <- summary(regre)
regreSum
# Sigma
regreSum$sigma
# Betas
regreSum$coefficients

#3
plot(framingham$bmi, framingham$sbp, xlab = "SBP", ylab = "BMI")
abline (regre)

但我认为我做事不对...你能帮帮我吗？提前谢谢...

【问题讨论】：

我还没有运行代码，但你能说说为什么你认为你做错了吗？
因为我需要比较男性和女性回归直线，模型的总结只给出一个：系数：估计标准。误差 t 值 Pr(>|t|)（截距）79.0624 11.0716 7.141 1.71e-10 *** bmi 1.9338 0.3965 4.877 4.21e-06 *** sexfemale 3.0395 3.7731 0.806 0.422
您只能得到 2 水平因子的一个水平的估计值，因为另一个水平是参考水平。如果两者兼而有之，您将陷入“虚拟变量陷阱”，结果将毫无意义。 algosome.com/articles/dummy-variable-trap-regression.html
嗯嗯，我想我不明白......正如我所说，这是我第一次看到这个......：/
这确实是一个关于统计建模的问题。如果您不了解回归如何处理分类变量，最好在Cross Validated 提问。这不是一个编程问题，当然也不是 R 独有的。

标签： r regression categorical-data

【解决方案1】：

要检查变量之间的关系，请尝试使用心理库中名为 pairs.panels 的图。它给出了分布、散点图和相关系数。

library(psych)
pairs.panels(framingham)

这里的性别变量是分类变量，因此将其转换为因子，然后作为输入提供给您的线性回归模型。按字母顺序，因子中的第一级成为您的参考水平，因此在模型摘要中您只能看到参考水平以外的水平（在这种情况下，女性是基本参考水平）

framingham$sex<-as.factor(framingham$sex)

现在创建您的线性模型。

model <- lm(sbp ~ bmi+sex, data = framingham)
model
summary(model)

总结给出了系数、截距、标准误差（95% 置信度）、t 值和 p 值（表示变量的显着性）、Multiple R-squared（拟合优度）、Adjusted R-squared (根据模型复杂性调整的拟合优度）等。

【讨论】：

是的，但是...我如何比较男性和女性之间的直线？和预测？和 beta1=1.75 的对比假设？我一团糟:(

【解决方案2】：

我已经为分类变量设置了 sex-1：

regre <- lm(sbp ~ bmi+sex***-1***, data = framingham)
regreSum <- summary(regre)
regreSum

现在我得到了

Call:
lm(formula = sbp ~ bmi + sex - 1, data = framingham)

Residuals:
    Min      1Q  Median      3Q     Max 
-28.684 -13.025  -1.314   8.711  73.476 

Coefficients:
          Estimate Std. Error t value Pr(>|t|)    
bmi         1.9338     0.3965   4.877 4.21e-06 ***
sexhombre  79.0624    11.0716   7.141 1.71e-10 ***
sexmujer   82.1020    10.5184   7.806 6.93e-12 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 18.48 on 97 degrees of freedom
Multiple R-squared:  0.9813,    Adjusted R-squared:  0.9808 
F-statistic:  1700 on 3 and 97 DF,  p-value: < 2.2e-16

也许我走对了？

【讨论】：