用“因子”标记更改变量值

Question

我目前正在从 Stata 迁移到 R，尝试在 R 上做我在 Stata 上所做的事情，从头开始。 我从 Stata 导入了原始数据，不得不转储我的标签以避免它们覆盖变量值，我现在正尝试在 R 中重新生成它们，以及从多级变量再次生成我的虚拟变量。

所以我这样做了：

newvar<-basevar
newvar<-mapvalues(newvar, c(1, 2, 3, 4, 5), c(1, 0, 0, 0, 0 ))

newvar <- factor(newvar,
                    levels = c(0,1),
                    labels = c("Bad", "Good"))

describe(newvar)

这非常有效，我得到了我所期望的结果，一个带有频率和比例的正常描述结果，正确标记。

然后我意识到我的 0/1 值已被 1 而不是 0 和 2 而不是 1 覆盖。

这是标签在 R 中的正常工作方式吗？ 有没有办法在保留变量初始值的同时添加标签？

我习惯于使用 0 和 1 来提高编码效率（并且由于 Stata 倾向于将 1/2 解释为数字，这增加了返回虚拟变量的额外步骤，但是因为我将变量设置为 R 中的因子，我不应该有这种问题），并标记以获得完全可以理解的结果（表格和图表）。

我应该学会以不同的方式使用 R 吗？

Answer 1

据我所知，因子的第一级总是用 1 表示。 这就是 R 的工作原理。

在lm() 等其他函数中，R 将第一级 (1) 视为参考，并将在后台创建虚拟对象。

小例子：

set.seed(314)
newvar <- c(1, 0, 0, 0, 0 )
outcome <- newvar + rnorm(5)/5 

newvar <- factor(newvar,
                 levels = c(0,1),
                 labels = c("Bad", "Good"))


summary(lm(outcome ~ newvar))

结果：

    Call:
  lm(formula = outcome ~ newvar)

Residuals:
  1        2        3        4        5 
0.00000  0.17959 -0.13249 -0.10664  0.05954 

Coefficients:
  Estimate Std. Error t value Pr(>|t|)  
(Intercept) -0.03409    0.07344  -0.464   0.6741  
newvarGood   0.77645    0.16422   4.728   0.0179 *
  ---
  Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.1469 on 3 degrees of freedom
Multiple R-squared:  0.8817,    Adjusted R-squared:  0.8422 
F-statistic: 22.36 on 1 and 3 DF,  p-value: 0.01793