使用具有很多类别的分类变量进行对数回归

Question

我有一个看起来像这样的数据框df。

Color   Rejection
Red     0
Orange  0
Yellow  1
Green   1
Blue    1

我想进行对数回归，其中“蓝色”为0，1可以为红色，橙色，黄色或绿色。

我的日志回归设置如下所示。

glm(
  formula = Rejection ~ Color,
  data = df,
  family = binomial(link="logit")
)

在该回归分析中，如何设置东西，使“蓝色”为默认值，而其他颜色为x变量的“ 1”？

Answer 1

很明显，您想将Color视为具有两个级别的分类预测变量：Blue和Non-Blue？最简单的解决方案是简单地创建一个二进制因子变量，将“蓝色”作为因子的第一级，将所有其他变量分组为第二级。像这样：

df$Color_Binary <- if_else(df$Color == "Blue", df$Color, "Not Blue")
df$Color_Binary <- factor(df$Color_Binary, levels = c("Blue", "Not Blue"))

mod <- glm(
  formula = Rejection ~ Color_Binary,
  data = df,
  family = binomial(link="logit")
)

请注意，当转换为因子变量时，R默认情况下按字母顺序创建级别，因此在此示例中levels变量不是必需的，但是如果您的“ Not Blue”值发生在“蓝色”之前按字母顺序排列。您希望Blue成为因子的第一级的原因是因为glm函数会将每个因子的第一级折叠到Intercept（即默认值）中，并将估计因子的所有其他层的效果。