Question

鉴于我有三个分类变量（x1，x2，x3），每个变量有两个级别。

x1 <- as.factor(c(rep(1,5), rep(2,5)))
x2 <- sample(x1)
x3 <- sample(x1)
y <- rnorm (10, 3,3)
res1 <- lm ( y~ x1+x2+x3)
summary(res1)

然后lm函数返回以下

Coefficients:
            Estimate Std. Error t value Pr(>|t|)  
(Intercept)    3.658      1.869   1.957   0.0981 .
x12            3.071      2.786   1.102   0.3127  
x22            1.275      2.275   0.560   0.5956  
x32           -2.818      2.786  -1.011   0.3510

所以我的模型看起来像y = b0 + b1 * x1 + b2 * x2 + b3 * x3

另一方面，当我运行此分析时（再次分为两个级别的三个分类变量）

X <- melt(cbind(x1,x2,x3))[,-1]
Y <- rnorm (30, 3,3)
res2 <- lm ( Y~X[,2])
summary(res2)

结果是：

Coefficients:
            Estimate Std. Error t value Pr(>|t|)
(Intercept)   3.0171     1.7845   1.691    0.102
X[, 2]       -0.2308     1.1286  -0.204    0.839

这是所谓的＆＃34;效果模型＆＃34;拦截实际上是整体效果，而X [，2]是变量的影响。

实际上这两个例子是不同的，但我不明白为什么lm函数给出不同格式的模型因此拦截的不同含义？

Answer 1

产生差异是因为第二个模型使用另一个（错误的）数据类型。

在你的第一个模型中，你有3个预测因子，每个因子有2个等级。数据类型factor告诉R这些是分类变量，因此R假定您对不同级别的不同方法感兴趣。

在你的第二个模型中，你只有一个预测变量X[, 2]，它是一个法线向量（双精度），不再是factor。 R不知道这个预测器只有两个级别，并假设它是一个连续变量。因此，你得到一个截距和斜率的模型。

如果您再次明确地将X[, 2]转换为因子，那么一切都会成功：

res3 <- lm ( Y~factor(X[, 2]))
summary(res3)


Coefficients:
                Estimate Std. Error t value Pr(>|t|)    
(Intercept)       3.1515     0.7403   4.257  0.00021 ***
factor(X[, 2])2  -0.5892     1.0469  -0.563  0.57808

通常这种标准行为是正确的，但无论如何你可以通过使用“对比”来确切知道它应该如何编码你的变量。如果您有兴趣，This article会提供一个很好的概述。

不同的拦截意义？

1 个答案: