Question

我有一个大数据集，用于运行带有一些定性预测变量的线性回归模型。我称数据集为WN，定性变量为OState和DState（美国各州）。在这里，您将看到WN中有62个OState和DState的唯一值：

> unique(WN$OState)
[1] NY MA PA DE DC VA MD WV NC RI SC NH GA FL AL TN MS ME KY OH IN MI VT IA WI MN SD ND MT CT IL MO KS NE NJ LA AR OK TX CO WY ID UT AZ NM NV CA OR WA
62 Levels: AA AE AK AL AP AR AS AZ CA CO CT DC DE FL FM GA GU HI IA ID IL IN KS KY LA MA MD ME MH MI MN MO MP MS MT NC ND NE NH NJ NM NV NY OH OK OR PA PR PW RI SC SD TN TX UT VA VI VT WA ... WY
> unique(WN$DState)
[1] MA RI NH ME VT CT NY NJ PA DE DC VA MD WV NC SC GA FL AL TN MS KY OH IN MI IA WI MN SD ND MT IL MO KS NE LA AR OK TX CO WY ID UT AZ NM NV CA OR WA
62 Levels: AA AE AK AL AP AR AS AZ CA CO CT DC DE FL FM GA GU HI IA ID IL IN KS KY LA MA MD ME MH MI MN MO MP MS MT NC ND NE NH NJ NM NV NY OH OK OR PA PR PW RI SC SD TN TX UT VA VI VT WA ... WY

现在我运行回归模型来预测Rate with Distance，OState和DState，如下所示：

> WN.LR = lm(WN$Rate~WN$Distance+WN$OState+WN$DState)

当我检查回归摘要时，我看到只填充了48个OState和DState预测变量，剩下的14个缺失。摘要输出的一小部分如下。例如，您将看到输出中缺少OStateAL：

> summary(WN.LR)

Call:
lm(formula = WN$Rate ~ WN$Distance + WN$OState + WN$DState)

Residuals:
    Min      1Q  Median      3Q     Max 
-2370.3  -218.4   -18.9   170.8  9105.7 

Coefficients:
              Estimate Std. Error t value Pr(>|t|)    
(Intercept)  1.208e+03  6.632e+00 182.171  < 2e-16 ***
WN$Distance  1.626e+00  3.111e-03 522.722  < 2e-16 ***
WN$OStateAR  2.000e+02  7.294e+00  27.419  < 2e-16 ***
WN$OStateAZ  1.981e+02  8.372e+00  23.667  < 2e-16 ***
WN$OStateCA  1.056e+02  7.919e+00  13.340  < 2e-16 ***
WN$OStateCO  1.323e+02  7.332e+00  18.043  < 2e-16 ***
WN$OStateCT -2.019e+02  1.827e+01 -11.048  < 2e-16 ***
WN$OStateDC  5.711e+02  2.178e+01  26.223  < 2e-16 ***

另一方面，当我检查OState =“AL”的实体时，我看到有超过6000行：

> WNnew<-subset(WN,OState=="AL")
> nrow(WNnew)
[1] 6213

对此有何解释？

Answer 1

这可能是因为别名（即您的模型被过度识别）。例如，马萨诸塞州是DState和OState变量的一个级别，因此我认为它在两种处理中的效果都无法分开。

Answer 2

在构建模型时，您没有读取警告，即系数列表中的所有NA。运行时将列出别名术语：

WN.LR  # always look at the output of `lm` as well as that of `summary.lm`

...而你刚刚看不到输出。您可能会考虑创建一个＆＃34;相同的＆＃34;等级为OState，其中DState与OState相同，然后允许捕获所有没有差异的状态。

定性预测变量未出现在回归汇总输出R中

2 个答案: