模型中的R缺失水平

Question

我正在尝试将具有分类变量的数据框转换为model.matrix，但正在丢失变量级别。

这是我的代码：

df1 <- data.frame(id = 1:200, y =rbinom(200, 1, .5),  var1 = factor(rep(c('abc','def','ghi','jkl'),50)))
df1$var2 <- factor(rep(c('ab c','ghi','jkl','def'),50))
df1$var3 <- factor(rep(c('abc','ghi','nop','xyz'),50))

df1$var2 <- as.character(df1$var2)
df1$var2 <- gsub('\\s','',df1$var2)
df1$var2 <- factor(df1$var2)
sapply(df1, levels)

mm1 <- model.matrix(~ 0+.,df1)
head(mm1)

有什么建议么？ 这是矩阵不可逆的问题吗？

Answer 1

模型矩阵是完全正确的。 对于因子，模型矩阵所包含的列比不包含因子的列少：该信息已包含在(Intercept)列中。 您缺少此列，因为您在模型项中指定了+0 。 尝试这个：

mm2 <- model.matrix(~., df1)
head(mm2)

现在，您将看到(Intercept)列，该列编码“默认”信息，并且现在列名中也缺少var1的第一级。 (Intercept)代表您在“参考级别”的观察，这是每个分类属性的第一级别的组合。 与此参考水平的任何偏差都编码为var*??? 列，并且由于您的模型假设这些列之间没有任何交互，因此得到（4-1）* 3 var*??? 列加上(Intercept)列（在初始模型矩阵中已由var1abc替换）。

不幸的是，我缺乏确切的术语来描述。 有人帮我吗？