Question

在回归方程中使用时，中心变量是否必须保持矩阵形式？

我使用scale函数与center=T和scale=F集中了一些变量。然后我将这些变量转换为数字变量，以便我可以为其他目的操纵数据框。但是，当我运行ANOVA时，我得到的F值略有不同，只是对于那个变量，所有其他都是相同的。

编辑：

这两者之间的区别是什么：

scale(df$A, center=TRUE, scale=FALSE)

将在您的data.frame

中嵌入一个矩阵

和

scale(df$A, center=TRUE, scale=FALSE)
df$A = as.numeric(df$A)

哪个变量是数字，并删除变量中的矩阵表示法？

我正在尝试做的示例，但该示例并未导致我遇到的问题：

library(car)
library(MASS)
mtcars$wt_c <- scale(mtcars$wt, center=TRUE, scale=FALSE)
mtcars$gear <- as.factor(mtcars$gear)
mtcars1     <- as.data.frame(mtcars)
# Part 1
rlm.mpg   <- rlm(mpg~wt_c+gear+wt_c*gear, data=mtcars1)
anova.mpg <- Anova(rlm.mpg, type="III")
# Part 2
# Make wt_c Numeric
mtcars1$wt_c <- as.numeric(mtcars1$wt_c)
rlm.mpg2     <- rlm(mpg~wt_c+gear+wt_c*gear, mtcars1)
anova.mpg2   <- Anova(rlm.mpg2, type="III")

Answer 1

我会尝试回答你的两个问题

在回归方程中使用时，中心变量是否必须保持矩阵形式？

我不确定你的意思，但你可以剥离你从scale()获得的中心和比例属性，如果这是你所指的。您可以在下面的示例中看到，无论是否采用“矩阵形式”，您都会获得相同的答案。

这两者之间的区别是什么：

scale(A, center=TRUE, scale=FALSE)

将在您的data.frame

中嵌入一个矩阵

和

 scale(df$A, center=TRUE, scale=FALSE)
 df$A = as.numeric(df$A)

从scale()的帮助文件中我们看到它返回

“对于scale.default，居中的缩放矩阵。”

您正在返回一个包含缩放和居中属性的矩阵。 as.numeric(AA)剥离了这些属性，这是第一种和第二种方法之间的差异。 c(AA)做同样的事情。我猜as.numeric()要么调用c()（通过as.double()），要么使用与它相同的方法。

 set.seed(1234)

 test <- data.frame(matrix(runif(10*5),10,5))

 head(test)
         X1        X2         X3        X4        X5
1 0.1137034 0.6935913 0.31661245 0.4560915 0.5533336
2 0.6222994 0.5449748 0.30269337 0.2651867 0.6464061
3 0.6092747 0.2827336 0.15904600 0.3046722 0.3118243
4 0.6233794 0.9234335 0.03999592 0.5073069 0.6218192
5 0.8609154 0.2923158 0.21879954 0.1810962 0.3297702
6 0.6403106 0.8372956 0.81059855 0.7596706 0.5019975

 # center and scale
 testVar <- scale(test[,1])

 testVar
             [,1]
 [1,] -1.36612292
 [2,]  0.48410899
 [3,]  0.43672627
 [4,]  0.48803808
 [5,]  1.35217501
 [6,]  0.54963231
 [7,] -1.74522210
 [8,] -0.93376661
 [9,]  0.64339300
[10,]  0.09103797
attr(,"scaled:center")
[1] 0.4892264
attr(,"scaled:scale")
[1] 0.2748823

 # put testvar back with its friends
 bindVar <- cbind(testVar,test[,2:5])

 # run a regression with 'matrix form' y var
 testLm1 <- lm(testVar~.,data=bindVar)

 # strip non-name attributes
 testVar <- as.numeric(testVar)

 # rebind and regress
 bindVar <- cbind(testVar,test[,2:5])

 testLm2 <- lm(testVar~.,data=bindVar)

 # check for equality
 all.equal(testLm1, testLm2)
[1] TRUE

lm()似乎返回相同的东西，因此看起来它们都是相同的。

在R中居中变量

1 个答案: