R doğrusal regresyon kategorik değişkeni “gizli” değer

Bu sadece birkaç kez karşılaştığım bir örnektir, bu yüzden örnek verilerim yok. R'de doğrusal regresyon modeli çalıştırmak:

a.lm = lm(Y ~ x1 + x2)

x1sürekli bir değişkendir. x2kategoriktir ve üç değeri vardır, örneğin "Düşük", "Orta" ve "Yüksek". Bununla birlikte, R tarafından verilen çıktı aşağıdaki gibi olacaktır:

summary(a.lm)
              Estimate Std. Error t value Pr(>|t|)    
(Intercept)   0.521     0.20       1.446   0.19        
x1            -0.61     0.11       1.451   0.17
x2Low         -0.78     0.22       -2.34   0.005
x2Medium      -0.56     0.45       -2.34   0.005

R'nin bu tür faktörlere ( x2bir faktör olarak) bir tür kukla kodlama getirdiğini anlıyorum . Merak ediyorum, x2"Yüksek" değerini nasıl yorumlayabilirim ? Örneğin, "Yüksek" x2lerin burada verilen örnekte yanıt değişkeni üzerinde nasıl bir etkisi vardır ?

Bunun başka bir yerinde (örneğin burada ) örnekler gördüm ama anlayabildiğim bir açıklama bulamadım.

r regression categorical-data regression-coefficients categorical-encoding machine-learning random-forest anova spss r self-study bootstrap monte-carlo r multiple-regression partitioning neural-networks normalization machine-learning svm kernel-trick self-study survival cox-model repeated-measures survey likert correlation variance sampling meta-analysis anova independence sample assumptions bayesian covariance r regression time-series mathematical-statistics graphical-model machine-learning linear-model kernel-trick linear-algebra self-study moments function correlation spss probability confidence-interval sampling mean population r generalized-linear-model prediction offset data-visualization clustering sas cart binning sas logistic causality regression self-study standard-error r distributions r regression time-series multiple-regression python chi-squared independence sample clustering data-mining rapidminer probability stochastic-processes clustering binary-data dimensionality-reduction svd correspondence-analysis data-visualization excel c# hypothesis-testing econometrics survey rating composite regression least-squares mcmc markov-process kullback-leibler convergence predictive-models r regression anova confidence-interval survival cox-model hazard normal-distribution autoregressive mixed-model r mixed-model sas hypothesis-testing mediation interaction

— ttnphns
kaynak

Burada iyi bir cevap alabilirsiniz, ancak bunu istatistiklere geçiş için işaretleyeceğim.

— joran

Evet, bu yeterince adil. Sildim ve kendim taşıysam daha iyi olur mu? Yoksa bu gereksiz mi?

Hiçbir şey yapmanıza gerek yok. İşaretledim, ancak bir modun ulaşması bir veya iki saat sürebilir, bir Pazar ve hepsi.

— joran

Burada cevap vermeyeceğim, çünkü soru taşınacak. Ancak neler olduğunu anlamak için birkaç şey deneyebilirsiniz: 1. lm (Y ~ x1 + x2 - 1) komutunu çalıştırın. "-1" kesmeyi kaldırır. 2. x2'nin referans kategorisini değiştirmek için alaka düzeyini kullanın.

— Manoel Galdino

S: "..." Yüksek "x2 değerini nasıl yorumlayabilirim? Örneğin," Yüksek "x2s'nin burada verilen örnekte yanıt değişkeni üzerinde nasıl bir etkisi var ??

C: Hiç şüphe yok ki çıktıda x2 = "Yüksek" den bahsedilmedi. Şu anda x2High "temel durum" olarak seçilmiştir. Çünkü insan zihnine daha doğal olarak L / M / H olacak bir sıralamaya rağmen, seviyeler için varsayılan kodlama ile bir faktör değişkeni sundunuz. Ancak alfabedeki hem "L" hem de "M" nin önünde sözcüksel olarak bulunan "H", R tarafından temel durum olarak seçilmiştir.

'X2' sipariş edilmediğinden, bildirilen kontrastların her biri x2 = "Yüksek" ile ilişkiliydi ve bu nedenle x2 == "Düşük", x2 = "Yüksek" değerine göre -0.78 olarak hesaplandı. Şu anda x2 = "Yüksek" ve x1 = 0 olduğunda Kesişme "Y" değerinin tahmini değeridir. Muhtemelen seviyeler sırasını değiştirdikten sonra regresyonunuzu tekrar çalıştırmak istersiniz (ancak sipariş edilen faktörü belirlemezsiniz).

x2a = factor(x2, levels=c("Low", "Medium", "High"))

O zaman 'Orta' ve 'Yüksek' tahmininiz beklediğinizle daha uyumlu olacaktır.

Düzenleme: Alternatif kodlama düzenlemeleri (veya model matrisinin daha doğru bir şekilde düzenlenmesi) vardır. R'deki kontrastlar için varsayılan seçim, referans seviyesi ve raporlar olarak bir faktör seviyesini (veya faktör seviyelerinin belirli bir kombinasyonunu) belirten "tedavi kontrastları" dır. diğer seviyeler veya kombinasyonlar için tahmini ortalama farklar. Bununla birlikte, kesme seviyesini 0 (tavsiye edilmez) olmaya zorlayarak veya diğer kontrast seçeneklerinden birini kullanarak referans seviyesinin genel ortalama olmasını sağlayabilirsiniz:

?contrasts
?C   # which also means you should _not_ use either "c" or "C" as variable names.

Farklı faktörler için farklı kontrastlar seçebilirsiniz, ancak bunu yapmak ek bir yorumlayıcı yük getirecektir. S-Plus varsayılan olarak Helmert kontrastlarını kullanır ve SAS tedavi kontrastlarını kullanır, ancak referans seviyesi olarak birinciden ziyade son faktör seviyesini seçer.

— DWin
kaynak

Mantıklı. Açıkçası x2"Yüksek", "Orta" veya "Düşük" den biri olması gerektiği için "değer" alamadığını varsayalım . Cevabınız için teşekkürler.