订购分类变量是否有优势？

Question

我被告知最好在适当的时候订购分类变量（例如短于中等长度的短）。我想知道，在将分类变量建模为解释变量的情况下，将分类变量视为有序而不仅仅是简单分类的具体优势是什么？它在数学上意味着什么（最好是以非专业术语表示！）？

非常感谢！

Answer 1

除此之外，它还允许您比较这些因素的值：

> ord.fac <- ordered(c("small", "medium", "large"), levels=c("small", "medium", "large"))
> fac <- factor(c("small", "medium", "large"), levels=c("small", "medium", "large"))
> ord.fac[[1]] < ord.fac[[2]]
[1] TRUE
> fac[[1]] < fac[[2]]
[1] NA
Warning message:
  In Ops.factor(fac[[1]], fac[[2]]) : < not meaningful for factors

文档表明从建模角度来看会产生很大的影响：

  

有序因素仅与其类别中的因素不同，但方法和模型拟合函数对这两个类别的处理方式完全不同

但是我必须让那些熟悉这些用例的人提供相关的详细信息。

Answer 2

只有在从数据的角度来看是有意义的时候才应该使用有序数据（即数据是自然排序的，就像小，中，大的情况一样）。

在建模术语中，分类变量具有为每个级别创建的虚拟变量，可以购买其可能的值之一。虚拟变量的效果实际上为您提供了与参考级别（没有虚拟变量的级别）相比的该级别的效果。通常，处理分类变量比处理有序数据更容易。

序数数据的建模方式与连续和分类相同（除非您将值视为连续值，通常这样做）。在R中， ordinal 包有几个函数来执行基于累积链接函数的建模（链接函数将数据转换为更接近线性回归的东西）。 / p>

将分类数据重新编码为序数的优势在于，数据推断更能代表数据并具有更直观的解释。

Answer 3

最有用的区别在于显示结果。如果我们有低水平，中等水平和高水平并创建一个适当的有序因子，那么箱形图，条形图，表格等将以低，中，高的顺序显示结果。但是，如果我们创建一个无序因子并使用默认排序，则绘图/表格将按顺序排列为高，低，中间;这没什么意义。

默认对比/虚拟变量编码对于有序和无序因子是不同的（但是你可以改变编码，所以这只会影响你使用默认值的东西），这可以改变单个部分的解释，但不会影响整体适合一般（对于线性模型和扩展，其他工具，如树可能会有所不同）。