Hồi quy bội với các yếu tố dự báo phân loại và số

Tôi tương đối mới với R và tôi đang cố gắng điều chỉnh mô hình cho dữ liệu bao gồm cột phân loại và cột số (số nguyên). Biến phụ thuộc là một số liên tục.

Dữ liệu có định dạng sau:

preCarget, preIntNum, FeedbackVar

Dữ liệu trông giống như thế này:

ranking, age_in_years, wealth_indicator
category_A, 99, 1234.56
category_A, 21, 12.34
category_A, 42, 234.56
....
category_N, 105, 77.27

Làm thế nào tôi có thể mô hình hóa điều này (có lẽ, sử dụng GLM), trong R?

[[Biên tập]]

Nó vừa xảy ra với tôi (sau khi phân tích dữ liệu kỹ lưỡng hơn), rằng biến độc lập phân loại trên thực tế đã được đặt hàng. Do đó tôi đã sửa đổi câu trả lời được cung cấp trước đó như sau:

> fit2 <- glm(wealth_indicator ~ ordered(ranking) + age_in_years, data=amort2)
> 
> fit2

Call:  glm(formula = wealth_indicator ~ ordered(ranking) + age_in_years, 
    data = amort2)

Coefficients:
      (Intercept)  ordered(ranking).L  ordered(ranking).Q  ordered(ranking).C      age_in_years  
        0.0578500         -0.0055454         -0.0013000          0.0007603          0.0036818  

Degrees of Freedom: 39 Total (i.e. Null);  35 Residual
Null Deviance:      0.004924 
Residual Deviance: 0.00012      AIC: -383.2
> 
> fit3 <- glm(wealth_indicator ~ ordered(ranking) + age_in_years + ordered(ranking)*age_in_years, data=amort2)
> fit3

Call:  glm(formula = wealth_indicator ~ ordered(ranking) + age_in_years + 
    ordered(ranking) * age_in_years, data = amort2)

Coefficients:
                    (Intercept)                ordered(ranking).L                ordered(ranking).Q  
                      0.0578500                       -0.0018932                       -0.0039667  
              ordered(ranking).C                    age_in_years  ordered(ranking).L:age_in_years  
                      0.0021019                        0.0036818                       -0.0006640  
ordered(ranking).Q:age_in_years  ordered(ranking).C:age_in_years  
                      0.0004848                       -0.0002439  

Degrees of Freedom: 39 Total (i.e. Null);  32 Residual
Null Deviance:      0.004924 
Residual Deviance: 5.931e-05    AIC: -405.4

Tôi hơi bối rối bởi những gì ordered(ranking).C, ordered(ranking).Qvà ordered(ranking).Lcó nghĩa là trong đầu ra, và sẽ đánh giá cao một số trợ giúp trong việc hiểu đầu ra này và cách sử dụng nó để dự đoán biến phản ứng.

Thử cái này:

fit <- glm(wealth_indicator ~ 
           factor(ranking) + age_in_years + factor(ranking) * age_in_years)

Các factor()lệnh sẽ đảm bảo rằng R biết rằng biến của bạn là phân loại. Điều này đặc biệt hữu ích nếu các danh mục của bạn được biểu thị bằng số nguyên, nếu không glm sẽ diễn giải biến là liên tục.

Các factor(ranking) * age_in_yearshạn cho phép R bí quyết mà bạn muốn bao gồm các thuật ngữ tương tác.

Gần đây tôi đã trả lời biến phụ thuộc liên tục với biến độc lập thứ tự , khuyến nghị ordSmoothhàm trong ordPensgói. Điều này sử dụng hồi quy bị phạt để làm mịn hệ số giả giữa các cấp của một biến số thứ tự để chúng không thay đổi quá nhiều từ cấp này sang cấp khác. Ví dụ, có lẽ bạn sẽ không muốn category_Ahệ số của nó khác category_Bnhiều so với category_N. Bạn có thể muốn các hệ số tăng hoặc giảm đơn điệu, hoặc ít nhất là thay đổi dần dần theo các cấp bậc. Câu trả lời của tôi cho các câu hỏi liên kết liệt kê các tài liệu tham khảo để biết thêm.

ordSmoothcũng có thể chứa các biến liên tục (và danh nghĩa); trong trường hợp của bạn, mã có thể là:

SmoothFit=with(amort2,
ordSmooth(as.numeric(ordered(ranking)),wealth_indicator,z=age_in_years,lambda=.001))

ordSmoothyêu cầu đầu vào số cho dữ liệu thứ tự, do đó as.numeric(ordered())định dạng lại. zlà cho một vectơ số / ma trận / data.framecủa các yếu tố dự đoán liên tục. lambdalà hệ số làm mịn - các giá trị lớn hơn sẽ đẩy các hệ số của bạn gần bằng không. Có thể là khôn ngoan để bắt đầu nhỏ ở đây. In ấn SmoothFitsẽ cung cấp cho bạn các hệ số và giá trị phù hợp, nhưng tôi sợ nó để lại phần còn lại cho bạn.

Trong phương pháp của bạn, các ordered(ranking).C/ .Q/ .Lhệ số dường như được gắn nhãn lần lượt là khối, bậc hai và tuyến tính. Nếu bạn cố gắng glm(rnorm(10)~ordered(rep(1:5,2))), bạn cũng sẽ có được một hệ số ordered(rep(1:5, 2))^4. Tôi không thực sự chắc chắn tại sao những thứ này được biểu thị bằng số mũ; Tôi không nghĩ rằng nó mô hình hóa chúng như các thuật ngữ đa thức, bởi vì các hệ số là khác nhau cho glm(y~x+I(x^2)+I(x^3)+I(x^4))các biến thể tỷ lệ của điều này. Chúng phải là mã giả cơ bản .