如何用分类预测器编写线性回归方程

Question

具有两个分类变量的lm模型的输出是：

Call:
lm(formula = exit_irr ~ type_exit + domicile, data = pe1)

Residuals:
     Min       1Q   Median       3Q      Max 
-0.73013 -0.17926 -0.05142  0.03945  2.85043 

Coefficients:
                    Estimate Std. Error t value Pr(>|t|)   
(Intercept)          0.05333    0.22282   0.239  0.81101   
type_exitTrade Sale -0.11871    0.05469  -2.171  0.03081

type_exitUnlisted   -0.21208    0.07536  -2.814  0.00525 

domicileKSA          0.14593    0.22852   0.639  0.52363  

domicileKuwait       0.14679    0.22847   0.643  0.52108   

domicileOM           0.08708    0.28225   0.309  0.75791   

domicileUAE          0.18623    0.22808   0.817  0.41491   
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.3859 on 274 degrees of freedom
  (1 observation deleted due to missingness)
Multiple R-squared:  0.04221,   Adjusted R-squared:  0.02124 
F-statistic: 2.013 on 6 and 274 DF,  p-value: 0.06415

如何用分类预测器编写线性回归方程？

Answer 1

r中的函数lm()自动考虑分类变量。它会生成分类变量的虚拟变量，并对其进行回归。确保您的分类变量属于类因子。这可以这样做：

pe1$type_exit <- as.factor(pe1$type_exit)
pe1$domicile  <- as.factor(pe1$domicile)

我已将type_exit和domicile视为您的分类列。