R语言 | 多元回归分析中的对照编码(contrast coding) | 第一节 dummy variable(哑变量) 和 dummy coding

本文介绍了R语言中多元回归分析时如何处理分类变量,特别是对照编码(contrast coding)的概念。通过实例解释了dummy variable(哑变量)的原理,如Diet2、Diet3和Diet4的赋值规则,并展示了如何使用`contrasts`函数查看Factor的对照矩阵。在4个Level的Diet因素中,通过创建3个dummy variable来表示每个Level,以适应线性模型的需求。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

对于一个自变量是分类变量Categorical Factor的回归模型,需要为该Factor的每个Level创建dummy variable。Contrast Matrix把每个Level映射为dummy variable的值。


我们看一个例子来感性认识下dummy variable和contrast matrix。

> library(datasets)
> str(ChickWeight)
Classes ‘nfnGroupedData’, ‘nfGroupedData’, ‘groupedData’ and 'data.frame':	578 obs. of  4 variables:
 $ weight: num  42 51 59 64 76 93 106 125 149 171 ...
 $ Time  : num  0 2 4 6 8 10 12 14 16 18 ...
 $ Chick : Ord.factor w/ 50 levels "18"<"16"<"15"<..: 15 15 15 15 15 15 15 15 15 15 ...
 $ Diet  : Factor w/ 4 levels "1","2","3","4": 1 1 1 1 1 1 1 1 1 1 ...
 - attr(*, "formula")=Class 'formula' length 3 weight ~ Time | Chick
  .. ..- attr(*, ".Environment")= 
 - attr(*, "outer")=Class 'formula' length 2 ~Diet
  .. ..- attr(*, ".Environment")= 
 - attr(*, "labels")=List of 2
  ..$ x: chr "Time"
  ..$ y: chr "Body weight"
 - attr(*, "units")=List of 2
 
引用\[1\]\[2\]提供了关于dummy variable的解释。Dummy variable coding是一种将分类变量转化为哑变量的方法。在回归模型中,当自变量是分类变量时,需要为每个级别创建一个dummy variableDummy variable coding通过将每个级别映射为0或1的值来表示不同的属性。对于无序多分类变量,通常需要选择一个级别作为参照,然后创建n-1个哑变量来表示其他级别与参照级别之间的差异。这样可以更直观地反映出不同属性对因变量的影响,提高模型的准确度解释性。\[3\] #### 引用[.reference_title] - *1* *2* [R语言 | 多元回归分析中的对照编码contrast coding| 第一节 dummy variable哑变量 dummy ...](https://blog.youkuaiyun.com/gjwang1983/article/details/44984185)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] - *3* [机器学习总结之——Dummy Coding(哑变量)](https://blog.youkuaiyun.com/weixin_42715356/article/details/82924665)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值