我有一个计算机科学背景＆amp;我试图通过解决互联网上可用的问题来自学数据科学
我有一个小的数据集，有3个变量 - 种族，性别和年收入。大约有10,000个样本观察。我试图预测种族和收入的收入性别。
我已将数据分为两部分 - 每个部分对应一个性别＆amp;现在我正在尝试创建2个回归模型。这可能在R？有人可以提供示例语法。
答案 0 :(得分：2)
您没有指定数据的存储方式或变量种族的记录方式（这是一个因素吗？）
[如果你只是为了男性的竞争而获得收入，比如说，你有income.m和race.m的男性收入和种族，如果第二个是因素在R中，然后lm(income.m~race.m)将适合男性的行（在结果对象上使用summary来获取有关它的信息）。你可以为女性做类似的事情。但大多数人都不会这样适合模特。]
如果您准备假设两种性别的线条变化相同，则可以将两条线条与一个模型相匹配。
这比分别分析线条有几个优点，但也可以这样做。
如果性别是因子或数字变量记录为（0/1），并且种族是一个因素，并且您拥有数据框中的数据（例如，称为incdata），那么您用两条线同时适合：
lm(income~race*gender, data=incdata)
是
的R简写lm(income~race+gender+race:gender, data=incdata)
其中race:gender是互动术语。
如果你进一步假设两性的性别影响是相同的，那么较小的模型：
lm(income~race+gender, data=incdata)
代替。这通常是人们在被要求“控制性别”时会适合的模型，尽管许多人会考虑我之前提到的交互模型。
我强烈建议首先处理更简单的回归问题，使用适合引导您完成这些想法的教科书或一组注释。
如果你还没有在R中拟合回归，我会从一个只有一个预测器的小数据集开始，只是为了习惯基本的机制。
R附带了许多内置的数据集。例如，请参阅library(help=datasets)，其中包含大约80个数据集; R附带的一些软件包有更多（例如MASS超过80）。 CRAN上的许多R软件包都包含数据集，其中许多适用于回归。
例如，cars数据集（参见R中的?cars）记录了车速的停车距离。您不需要读取数据，它已经存在。
一个简单的线性回归（不一定是对物理有一定了解的最佳模型，但对数据来说足够了）将是：
lm(dist~speed, cars)
再次，您使用summary来检查它。例如（我建议你一次输入一个）：
carsfit＆lt; - lm（dist~speed，cars） 摘要（carsfit） 情节（dist~speed，cars） abline（carsfit，col = 2）
汽车数据集（?cars）帮助中的示例提供了其他几个模型和图表。您也可以一次尝试这些。
car包（CAR是“Companion to Applied Regression”的缩写）有许多专门用于回归的小数据集。
答案 1 :(得分：1)
这很简单。
fit1 <- lm(income~gender+race,data=Dataframe1)
summary(fit1)
我不建议使用两个数据帧。除非您使用需要使用两个数据帧的更高级统计方法。只需使用您的性别变量。
答案 2 :(得分：0)
你确实可以这样做，但我相信你的问题很广泛。
（1）您可以预测种族和性别的收入。这可以通过各种方式完成，但最常见的可能是“回归分析”。我建议你在互联网上搜索一下这个话题。回答什么样的回归以及如何执行它是一种情况问题。在阅读有关回归的文章后，您可能会发现自己。
（2）R可以做到这一点。但我建议你在进入R之前先做一些关于回归的阅读。
（3）如果我要分析种族和性别是否可以预测收入，我只会做一个线性回归，其中收入是因变量，种族和性别是独立的（预测因子）。这可以通过R中的“lm”函数来完成。
或者我在这里误解了什么？
此致
答案 3 :(得分：0)
您需要阅读线性/多重回归技术。不确定为什么要根据性别将数据分成两组。随机将数据拆分为Train和Test，以便您可以在Train和Validate on test上进行建模。