R - 具有大量虚拟变量的模型

Question

如果我的数据集中有一列包含多个变量，我将如何创建这些虚拟变量。

示例： 假设我有一个名为颜色的列，它有：红色、绿色、黄色、蓝色、粉红色和灰色作为汽车颜色的选项。

将这些变量转化为因子的最佳方法是什么。不用手动创建一堆虚拟变量？

编辑： 所以我按照格雷格的建议做了，这就是我所拥有的。不过，我想知道 NA 输出，但不确定为什么会出现。

 > data$Trim<-factor(data$Trim)
 > data$Model<-factor(data$Model)
 > data$Type<-factor(data$Type)
 > data=cbind(Price,Mileage,Buick,Cadillac,Chevrolet,Pontiac,SAAB,Saturn,Model,Trim,Type,Cylinder,Liter,Doors,Cruise,Sound,Leather)
 > fit <- lm( Price ~ Mileage+Buick+Cadillac+Chevrolet+Pontiac+SAAB+Saturn+Model+Trim+Type+Cylinder+Liter+Doors+Cruise+Sound+Leather, x=TRUE )
 > summary(fit)

然后我收到一条消息“系数：（由于奇异性而未定义 21）”并且对于某些变量，输出为 NA。

Answer 1

R 会自动为您创建虚拟变量，这是一个基本示例：

> mycars <- mtcars
> mycars$cyl <- factor(mycars$cyl)
> fit <- lm( mpg ~ wt+cyl, data=mycars, x=TRUE )
> summary(fit)

Call:
lm(formula = mpg ~ wt + cyl, data = mycars, x = TRUE)

Residuals:
    Min      1Q  Median      3Q     Max 
-4.5890 -1.2357 -0.5159  1.3845  5.7915 

Coefficients:
            Estimate Std. Error t value Pr(>|t|)    
(Intercept)  33.9908     1.8878  18.006  < 2e-16 ***
wt           -3.2056     0.7539  -4.252 0.000213 ***
cyl6         -4.2556     1.3861  -3.070 0.004718 ** 
cyl8         -6.0709     1.6523  -3.674 0.000999 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 

Residual standard error: 2.557 on 28 degrees of freedom
Multiple R-squared: 0.8374,     Adjusted R-squared:  0.82 
F-statistic: 48.08 on 3 and 28 DF,  p-value: 3.594e-11 

> head(fit$x)
                  (Intercept)    wt cyl6 cyl8
Mazda RX4                   1 2.620    1    0
Mazda RX4 Wag               1 2.875    1    0
Datsun 710                  1 2.320    0    0
Hornet 4 Drive              1 3.215    1    0
Hornet Sportabout           1 3.440    0    1
Valiant                     1 3.460    1    0
> 

对lm 的调用中的x=TRUE 告诉它返回实际使用的x 矩阵，其中包括虚拟变量。如果您不想查看创建的虚拟变量，则可以将其省略。如果您想设置虚拟变量的创建方式，请参阅?contrasts 了解更多详细信息。