lm（）如何知道哪些預測變量是分類的？

Question

通常情況下，我和你（假設你不是機器人）很容易識別預測變量是分類的還是定量的 。 例如，性別顯然是明確的。 您的上次投票可以分類。
基本上，我們可以輕松識別分類預測變量。 但是當我們在R輸入一些數據時會發生什么，並且它的lm函數會為預測變量生成虛擬變量？ 它是如何做到的？

關於StackOverflow的一些相關問題 。

Answer 1

搜索R factor函數。 這是一個小型演示，第一個模型使用數量的圓柱作為數值有價值。 第二個模型將其用作分類變量。

> summary(lm(mpg~cyl,mtcars))

Call:
lm(formula = mpg ~ cyl, data = mtcars)

Residuals:
    Min      1Q  Median      3Q     Max 
-4.9814 -2.1185  0.2217  1.0717  7.5186 

Coefficients:
            Estimate Std. Error t value Pr(>|t|)    
(Intercept)  37.8846     2.0738   18.27  < 2e-16 ***
cyl          -2.8758     0.3224   -8.92 6.11e-10 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 3.206 on 30 degrees of freedom
Multiple R-squared:  0.7262,    Adjusted R-squared:  0.7171 
F-statistic: 79.56 on 1 and 30 DF,  p-value: 6.113e-10

> summary(lm(mpg~factor(cyl),mtcars))

Call:
lm(formula = mpg ~ factor(cyl), data = mtcars)

Residuals:
    Min      1Q  Median      3Q     Max 
-5.2636 -1.8357  0.0286  1.3893  7.2364 

Coefficients:
             Estimate Std. Error t value Pr(>|t|)    
(Intercept)   26.6636     0.9718  27.437  < 2e-16 ***
factor(cyl)6  -6.9208     1.5583  -4.441 0.000119 ***
factor(cyl)8 -11.5636     1.2986  -8.905 8.57e-10 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 3.223 on 29 degrees of freedom
Multiple R-squared:  0.7325,    Adjusted R-squared:  0.714 
F-statistic:  39.7 on 2 and 29 DF,  p-value: 4.979e-09

Answer 2

當分類變量存儲為數字時，Hxd1011解決了更為困難的情況，因此默認情況下R理解它是一個數值 - 如果這不是理想的行為，我們必須使用factor函數。

您在數據集Carseats使用預測器ShelveLoc示例更容易，因為它是一個文本（字符）變量，因此它只能是一個分類變量。

> head(Carseats$ShelveLoc)
[1] Bad    Good   Medium Medium Bad    Bad   
Levels: Bad Good Medium

Answer 3

R從特征類型決定那個東西。 您可以使用str（dataset）檢查它。如果該特征是因子類型，那么它將為該特征創建虛擬對象。