Question

我认为这是一个相对简单的问题，但我似乎无法找到答案。

我有一个200 X 8矩阵temp和一个响应矩阵（200X1）Binomial Vector 当我运行以下行时：

CLog=glm(BinomialVector~temp,family= binomial(logit))

我能够运行逻辑回归。我认为这样做的确是BinomialVector~tempcol1 +tempcol2+tempcol3等等。

然而，当我按summary(CLog)时，我的因素的名称已经改变。如果第一列被称为trees，那么它的变化是temptrees。有没有办法阻止这种情况？

根据要求：

  BinomialVector
   [,1]
  [1,]    0
  [2,]    1
  [3,]    1
  [4,]    0
  [5,]    0
  [6,]    0
  [7,]    1



temp

  Net.Income.Y06. Return.on.Assets.Y06.
A         0.1929241                27.947    
AA        1.1405694                12.427
AAP       1.0302481                17.117
ABT       2.1006512                13.826

Return.on.Investment.Y06. Total.Current.Assets.Y06.
A                      39.844                 0.9274886  
AA                     20.003                 0.8830403
AAP                    30.927                 1.0439536
ABT                    21.376                 1.2447154


  Total.Current.Liabilities.Y06. IntersectionMostAdmired.2006.
A                        1.0812744                         0.000
AA                       0.9842055                         7.255
AAP                      1.1010472                         0.000
ABT                      0.7617044                         6.715

这就是我的临时矩阵的可能列。我不喜欢使用附加符号的原因是列的数量发生了变化，因为我在用户定义的函数中使用它，我在temp矩阵中输入它。至于使用数据框架，我的印象是数据框确实是正确使用的东西但是当它不是as.matrix时我似乎得到了一个错误。：s

Answer 1

您可以发布数据的代表性子集，还有实际输出glm为您提供该子集吗？

然后诊断/复制会更容易。

与此同时，我建议您使用数据框而不是矩阵。方法如下：

mydf<-data.frame(y=BinomialVector,temp);
CLog = glm(BinomialVector~tempcol1+tempcol2+tempcol3,data=mydf,family=binomial(logit));

矩阵是一种不好的格式，可用作回归模型的数据源（一方面，它们将所有列强制转换为相同的数据类型，这可能是也可能不是问题的一部分），所以我从不使用它们。但是如果我不得不猜测，你的模型可能会将矩阵转换成一个长向量？也许那里的某个变量有一个值“树”？但是如果没有示例数据和输出，那就完全是猜测了。当您运行上述命令时，问题的本质可能会在那里显现出来。

Answer 2

使用数据框是可行的方法。首先，它将使得对新数据的预测变得更加容易;并且它还允许您使用名义预测变量（因子）而无需自己编写虚拟变量。如果预测变量的数量不固定，并且您希望在所有预测变量上拟合模型，请在公式中使用.。

df <- data.frame(y=BinomialVector, temp)
glm(y ~ ., family=binomial, data=df)

R glm函数改变了我的列名

2 个答案: