model.matrix中有些我不理解的东西。当我输入一个没有截距的二进制变量时,它将返回两个级别。
> temp.data <- data.frame('x' = sample(c('A', 'B'), 1000, replace = TRUE))
> temp.data.table <- model.matrix( ~ 0 + x, data = temp.data)
> head(temp.data.table)
xA xB
1 1 0
2 0 1
3 0 1
4 0 1
5 1 0
6 0 1
但是,当我输入另一个二进制级别时,它仅创建3列。这是为什么?是什么使功能的行为突然不同?我该如何避免呢?
> temp.data <- data.frame('x' = sample(c('A', 'B'), 1000, replace = TRUE),
+ 'y' = sample(c('J', 'D'), 1000, replace = TRUE))
> temp.data.table <- model.matrix( ~ 0 + x + y, data = temp.data)
> head(temp.data.table)
xA xB yJ
1 0 1 0
2 0 1 1
3 0 1 1
4 0 1 0
5 1 0 1
6 0 1 0
您需要使用factors
并将contrasts
设置为FALSE
。试试这个:
n <- 10
temp.data <- data.frame('x'=sample(c('A', 'B'), n, replace=TRUE),
'y'=factor(sample(c('J', 'D'), n, replace=TRUE)))
model.matrix( ~ 0 + x + y, data=temp.data,
contrasts=list(y=contrasts(temp.data$y, contrasts=FALSE)))
# xA xB yD yJ
# 1 0 1 1 0
# 2 1 0 0 1
# 3 0 1 1 0
# 4 1 0 0 1
# 5 0 1 0 1
# 6 1 0 1 0
# 7 1 0 1 0
# 8 0 1 1 0
# 9 0 1 0 1
# 10 0 1 1 0
# attr(,"assign")
# [1] 1 1 2 2
# attr(,"contrasts")
# attr(,"contrasts")$x
# [1] "contr.treatment"
#
# attr(,"contrasts")$y
# D J
# D 1 0
# J 0 1
要了解为什么会发生这种情况,请尝试:
contrasts(temp.data$y)
# J
# D 0
# J 1
contrasts(temp.data$y, contrasts=F)
# D J
# D 1 0
# J 0 1
使用您的x
变量,这可以通过设置0 +
删除截距自动发生。 (实际上x
也应编码为factor
。)>
原因是,在线性回归中,通常将因子变量的水平与参考水平进行比较(您可以使用relevel
进行更改)。在模型矩阵中,使用0 +
删除第一个变量的截距,但不去除其后的截距(尝试使用model.matrix( ~ 0 + y + x, data=temp.data)
,您仅获得一个x
,但得到y
)。默认情况下,这是在标准contrasts
设置中使用处理对比度确定的。
您可能想阅读Rose Maier(2015)
的相关文章,对此进行详细解释:您需要重置因子变量的对比。参见this post。