Question

我的数据框看起来像

> t
          Institution Subject Class       ML1     ML1SD
aPhysics0           A Physics     0 0.8730469 0.3329205
aPhysics1           A Physics     1 0.8471074 0.3598839
aPhysics2           A Physics     2 0.8593750 0.3476343
aPhysics3           A Physics     3 0.8875000 0.3159806
aPhysics4           A Physics     4 0.7962963 0.4027512

我希望ML1符合Class的线性函数，但是当我打电话时

> lm(ML1 ~ Class, data=t)

我明白了：

Call:
lm(formula = ML1 ~ Class, data = t)

Coefficients:
(Intercept)       Class1       Class2       Class3       Class4  
    0.87305     -0.02594     -0.01367      0.01445     -0.07675

我真的不明白，因为看起来它为Class的每个值提供了多个渐变值，但有5 Class个值（0-4）。但我想要的是单个拦截和单个梯度值。

此外，当我使用lm致电weights = 1/ML1SD^2时，它不会更改任何值。

我做错了什么？

Answer 1

Class被视为categorical variable至lm。我认为你的Class是一个因素。

并且回归的结果是正确的，因为估计值对应于4个类别。这是因为，默认情况下，第一级（在您的情况下为0）被视为引用级别，您获得的所有估计值都与引用相关。也就是说，mean(Class1) - mean(Class0)等于-0.02594。

如果您不希望Class上的分类变量，并且您想将其建模为连续变量，那么您必须将factor转换为numeric（或{{1} }）输入：integer。然后，你得到：

df$Class <- as.numeric(as.character(df$Class))

但你确定> lm(ML1 ~ Class, data=df) Call: lm(formula = ML1 ~ Class, data = df) Coefficients: (Intercept) Class 0.87529 -0.01131是一个连续变量吗？

修改： Class参数确实有效。它执行加权线性最小二乘回归。当您执行weights时，您可以看到categorical variable：

summary(.)

但在您的情况下，分类变量只有一个值。

让我用另一个例子来说明：

summary( ML1 ~ factor(Class), data = df)

拟合线性模型

1 个答案: