获取每个分类变量的 lm 估计值答案

【问题标题】：Get lm estimate for each categorical variable获取每个分类变量的 lm 估计值
【发布时间】：2019-02-21 07:22:40
【问题描述】：

所以我正在做一个多元线性回归，看看裂缝密度和岩石类型是否会影响岩石中的后退率。

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

我希望它将“rock_unit”视为一个类别。我在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 ***

我希望有“SC_mudstone”和“Purisima”（另一种岩石类型），而不是现在给我的“rock_unitSC_mudstone”。

【问题讨论】：

您可以通过this tutorial 了解lm 的工作原理（它是关于交互和对比，但帮助我理解估计值）

标签： r regression lm

【解决方案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 如果岩石单元 = SC_mudstone，否则为 0。

再添加一个变量rock_unitPurisima 会导致模型矩阵$X$ 没有满秩。

无论如何，您不需要rock_unitPurisima 变量。您可以将结果解释如下：

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

如果你坚持使用变量rock_unitPurisima你可以将截距设置为零：

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

但正如我所说，截距和两个虚拟变量只会包含太多信息。

希望这对您有所帮助。

【讨论】：

不错的答案，但您认为“只会包含太多信息”是什么意思？因为如果最终摘要您只是将Intercept 替换为rock_X。
因此，截距为您提供所有类别的平均（撤退率），而虚拟变量为您提供额外的平均率，必须添加到截距中。在您的情况下，您想知道两个类（SC 和 Pur）的平均值。有两种方法可以为您提供该信息。直接（即没有截取）或间接（截取和平均一类）。但是给出一个截距和两个平均值将是太多的信息（即比你需要的更多）。
谢谢！这很有意义。这些数字与数据相关，只是不想错误地解释它。