为什么在建模时将数字转换为因子

Question

我正在学习使用逻辑回归构建模型的教程。 在本教程中，使用 as.factor 函数将具有数字数据类型和级别 3 的列转换为因子。我想知道这种转换的原因。

Answer 1

如果具有少量唯一值的类“数字”向量保留在该形式中，逻辑回归，即glm( form, family="binomial", ...)，将返回单个系数。通常，这不是数据所支持的，因此该教程的作者建议将这些向量转换为因子，以便 glm 函数对分类值进行默认处理。这些作者可能已经知道一个事实，即基础数据收集过程已经对具有数字级别的分类数据进行了编码，并且数据输入过程没有被“告知”作为分类处理。这可以使用colClasses 参数来完成，无论使用哪个read.* 函数。

大多数 R 回归例程对因子的默认处理使用第一个级别作为基线 (Intercept) 估计的一部分，并估计每个其他级别的系数。如果您将该向量保留为数字，您将得到一个估计值，该估计值可能被解释为序数变量效应的斜率。与这种序数关系编码相关的统计检验通常被称为“趋势的线性检验”，当“现实世界”中的数据情况可以解释为序数关系时，它有时是一个有用的结果。