Question

我正在尝试将带有分类变量的数据框转换为model.matrix但却失去了变量级别。

这是我的代码：

df1 <- data.frame(id = 1:200, y =rbinom(200, 1, .5),  var1 = factor(rep(c('abc','def','ghi','jkl'),50)))
df1$var2 <- factor(rep(c('ab c','ghi','jkl','def'),50))
df1$var3 <- factor(rep(c('abc','ghi','nop','xyz'),50))

df1$var2 <- as.character(df1$var2)
df1$var2 <- gsub('\\s','',df1$var2)
df1$var2 <- factor(df1$var2)
sapply(df1, levels)

mm1 <- model.matrix(~ 0+.,df1)
head(mm1)

有什么建议吗？这是矩阵不可逆性问题吗？

Answer 1

模型矩阵完全正确。对于因子，模型矩阵包含的一列少于因子：此信息已包含在(Intercept)列中。您缺少此列，因为您在模型术语中指定了+0。试试这个：

mm2 <- model.matrix(~., df1)
head(mm2)

现在，您将看到编码“默认”信息的(Intercept)列，现在列名中也缺少第一级var1。 (Intercept)代表您在“参考级别”的观察，这是每个分类属性的第一级的组合。与此参考级别的任何偏差都会在var*???列中进行编码，由于您的模型假定这些列之间没有互动，因此您会获得（4 - 1）* 3 var*???列加上(Intercept)列（在初始模型矩阵中由var1abc替换）。

不幸的是，我没有准确的术语来描述这一点。有人帮帮我吗？

R在model.matrix中缺少级别

1 个答案: