获取每个分类变量的lm估计

Question

因此，我正在进行多元线性回归，以了解裂缝密度和岩石类型是否会影响岩石的后退率。

retreat <- lm(retreat_rate ~ fracture_dens + rock_unit, data = coast)
> summary(retreat)

我希望将“ rock_unit”视为一个类别。向量中有两种岩石类型。这是我目前的结果。

Coefficients:
                     Estimate Std. Error t value Pr(>|t|)    
(Intercept)          -0.22631    0.53806  -0.421 0.676353    
fracture_dens         0.11467    0.02704   4.241 0.000132 ***
rock_unitSC_mudstone  1.73490    0.36097   4.806  2.3e-05 ***

我希望现在使用的是“ SC_mudstone”和“ Purisima”（另一种岩石类型），而不是“ rock_unitSC_mudstone”。

Answer 1

这是线性模型的典型结果：变量rock_unitSC_mudstone是一个虚拟变量，定义为：

rock_unitSC_mudstone = 1（如果岩石单位= SC_mudstone），否则为0。

添加其他变量rock_unitPurisima将导致模型矩阵$ X $的排名不完整。

无论如何，您不需要rock_unitPurisima变量。您可以按以下方式解释结果：

SC_mudstone的平均撤退率= -0.22631 + 1.73490 Purisima的平均退缩率= -0.22631

如果您坚持使用变量rock_unitPurisima，则可以将截距设置为零：

retreat2 <- lm(retreat_rate ~ 0 + fracture_dens + rock_unit, data = coast)

但是正如我所说的，一个拦截器和两个虚拟变量都只会包含太多信息。

希望这会有所帮助。