Quindi il mio set di dati è composto da 15 variabili, una delle quali (sesso) ha solo 2 livelli. Voglio usarlo come variabile dummy, ma i livelli sono 1 e 2. Come faccio a fare questo? Voglio avere i livelli 0 e 1, ma non so come gestirlo in R!Come si crea una variabile fittizia in R?
Con la maggior parte degli strumenti di modellazione di R con un'interfaccia formula non è necessario creare variabili dummy, il codice sottostante che gestisce e interpreta la formula lo farà per voi. Se vuoi una variabile dummy per qualche altra ragione, allora ci sono diverse opzioni. Il metodo più semplice (secondo me) è quello di utilizzare model.matrix():
set.seed(1)
dat <- data.frame(sex = sample(c("male","female"), 10, replace = TRUE))
model.matrix(~ sex - 1, data = dat)
che dà:
> dummy <- model.matrix(~ sex - 1, data = dat)
> dummy
sexfemale sexmale
1 0 1
2 0 1
3 1 0
4 1 0
5 0 1
6 1 0
7 1 0
8 1 0
9 1 0
10 0 1
attr(,"assign")
[1] 1 1
attr(,"contrasts")
attr(,"contrasts")$sex
[1] "contr.treatment"
> dummy[,1]
1 2 3 4 5 6 7 8 9 10
0 0 1 1 0 1 1 1 1 0
È possibile utilizzare uno colonna dummy come una variabile dummy numerica; scegli la colonna che desideri sia il livello basato su 1. dummy[,1] sceglie 1 come rappresentante della classe femminile e dummy[,2] la classe maschile.
Fusioni questo come un fattore, se lo si vuole essere interpretato come un oggetto categorica:
> factor(dummy[, 1])
1 2 3 4 5 6 7 8 9 10
0 0 1 1 0 1 1 1 1 0
Levels: 0 1
Ma che sta sconfiggendo l'oggetto del fattore; che cos'è 0 di nuovo?
Ty questo
set.seed(001) # generating some data
sex <- factor(sample(1:2, 10, replace=TRUE)) # this is what you have
[1] 1 1 2 2 1 2 2 2 2 1
Levels: 1 2
sex<-factor(ifelse(as.numeric(sex)==2, 1,0)) # this is what you want
sex
[1] 0 0 1 1 0 1 1 1 1 0
Levels: 0 1
Se si vuole etichette da 0 = maschio e 1 = Femmina, quindi ...
sex<-factor(ifelse(as.numeric(sex)==2, 1,0), labels=c('M', 'F'))
sex # this is what you want
[1] M M F F M F F F F M
Levels: M F
In realtà non è necessario creare una variabile dummy in per stimare un modello con lm, vediamo questo esempio:
set.seed(001) # Generating some data
N <- 100
x <- rnorm(N, 50, 20)
y <- 20 + 3.5*x + rnorm(N)
sex <- factor(sample(1:2, N, replace=TRUE))
# Estimating the linear model
lm(y ~ x + sex) # using the first category as the baseline (this means sex==1)
Call:
lm(formula = y ~ x + sex)
Coefficients:
(Intercept) x sex2
19.97815 3.49994 -0.02719
# renaming the categories and labelling them
sex<-factor(ifelse(as.numeric(sex)==2, 1,0), labels=c('M', 'F'))
lm(y ~ x + sex) # the same results, baseline is 'Male'
Call:
lm(formula = y ~ x + sex)
Coefficients:
(Intercept) x sexF
19.97815 3.49994 -0.02719
Come si può vedere offerte R con i manichini abbastanza bene, basta passarli nella formula come variabile factor e R farà il resto per te.
Tra l'altro non è necessario cambiare le categorie da c (2,1) a c (0,1), i risultati saranno gli stessi che è possibile vedere nell'esempio sopra.
Come suggerito da molti sopra, trasformarlo in fattore.
Se davvero si vuole codice fittizio la variabile di genere, in considerazione questa
set.seed(100)
gender = rbinom(100,1,0.5)+1
gender_dummy = gender-1
Suona come questa domanda ho chiesto qui: http://stackoverflow.com/questions/11970611/convert-a-vector-into -logical-matrix – Chase
Se lo trasformi in un fattore e lo metti in un modello R si prende cura del lavoro sporco per te. –
@TylerRinker Per lm e aov questo è il caso, e forse per gli altri, ma non sempre. Sto usando daisy e non lo fa automaticamente: Errore in daisy (train.X, metric = "gower", tipo = lista (symm = 1: symm_bin_len)): almeno una variabile binaria ha più di 2 livelli . – JStrahl