Question

所以，我的数据集由15个变量组成，其中一个（性别）只有2个级别。我想将它用作虚拟变量，但级别为1和2.我该怎么做？我希望有0级和1级，但我不知道如何在R中管理它！

Answer 1

对于大多数具有公式接口的R建模工具，您不需要创建虚拟变量，处理和解释公式的基础代码将为您执行此操作。如果您因某些其他原因需要虚拟变量，那么有几个选项。最简单的（恕我直言）是使用model.matrix()：

set.seed(1)
dat <- data.frame(sex = sample(c("male","female"), 10, replace = TRUE))

model.matrix( ~ sex - 1, data = dat)

给出：

> dummy <- model.matrix( ~ sex - 1, data = dat)
> dummy
   sexfemale sexmale
1          0       1
2          0       1
3          1       0
4          1       0
5          0       1
6          1       0
7          1       0
8          1       0
9          1       0
10         0       1
attr(,"assign")
[1] 1 1
attr(,"contrasts")
attr(,"contrasts")$sex
[1] "contr.treatment"

> dummy[,1]
 1  2  3  4  5  6  7  8  9 10 
 0  0  1  1  0  1  1  1  1  0

您可以使用dummy的任一列作为数字虚拟变量;选择您想要成为基于1的级别的列。 dummy[,1]选择1代表女性班级，dummy[,2]代表男性班级。

如果您希望将其解释为分类对象，则将其转换为因子：

> factor(dummy[, 1])
 1  2  3  4  5  6  7  8  9 10 
 0  0  1  1  0  1  1  1  1  0 
Levels: 0 1

但那是在击败因素的对象;什么是0？

Answer 2

Ty this

set.seed(001) # generating some data
sex <- factor(sample(1:2, 10, replace=TRUE)) # this is what you have
[1] 1 1 2 2 1 2 2 2 2 1
Levels: 1 2

sex<-factor(ifelse(as.numeric(sex)==2, 1,0)) # this is what you want
sex  
 [1] 0 0 1 1 0 1 1 1 1 0
Levels: 0 1

如果你想要标签为0 =男性，1 =女性，那么......

sex<-factor(ifelse(as.numeric(sex)==2, 1,0), labels=c('M', 'F')) 
sex # this is what you want
[1] M M F F M F F F F M
Levels: M F

实际上你不需要创建虚拟变量来使用lm来估计模型，让我们看一下这个例子：

set.seed(001) # Generating some data
N <- 100
x <- rnorm(N, 50, 20)
y <- 20 + 3.5*x + rnorm(N)
sex <- factor(sample(1:2, N, replace=TRUE))

# Estimating the linear model 
lm(y ~ x + sex) # using the first category as the baseline (this means sex==1)

Call:
    lm(formula = y ~ x + sex)

Coefficients:
(Intercept)            x         sex2  
   19.97815      3.49994     -0.02719     


# renaming the categories and labelling them
sex<-factor(ifelse(as.numeric(sex)==2, 1,0), labels=c('M', 'F'))
lm(y ~ x + sex)  # the same results, baseline is 'Male'

Call:
lm(formula = y ~ x + sex)

Coefficients:
(Intercept)            x         sexF  
   19.97815      3.49994     -0.02719

正如你可以看到R很好地处理假人，你只需将它们作为factor变量传递给公式，R将为你完成其余的工作。

顺便说一下，没有必要将类别从c（2,1）更改为c（0,1），结果将与您在上面的示例中看到的相同。

Answer 3

如上所述，将其转化为因素。

如果你真的想要对性别变量进行虚拟编码，请考虑这个

set.seed(100)
gender = rbinom(100,1,0.5)+1
gender_dummy = gender-1

如何在R中创建虚拟变量？

3 个答案: