R 中的公式
R 中的广义线性模型
Richard Erickson
Instructor
为何关注多元逻辑回归的公式？
- 公式是回归的骨架
- 不易掌握
- 理解
model.matrix()至关重要
斜率
- 为连续变量估计系数
- 例如：
height = c(72.3, 21.1, 3.7, 1.0)
- 例如：
- 公式还需全局截距
- 多个斜率：每个自变量各一个斜率
截距
- 用离散分组进行预测
- 在 R 中为因子或字符：
fish = c("red", "blue") - 单一截距有两种方式：
- 基准截距 + 对比：
y ~ x - 各组各自截距：
y ~ x -1
- 基准截距 + 对比：
多个截距
- 估计各组相对基准组的效应
- 基准为因子中按字母排序的第一组
- 默认每个变量一个基准组
y ~ x1 + x2
- 可指定对所有组估计截距
y ~ x1+ x2 - 1
- 第一变量对每组估计一个截距
哑变量
- 编码组别归属
- 在底层使用（如
model.matrix()） - 各组用 0/1 表示
- 示例输入：
color = c("red", "blue") y ~ colors的哑变量：intercept = c(1, 1)blue = c(0, 1)
y ~ colors - 1的哑变量：red = c(1, 0)blue = c(0, 1)
model.matrix()
model.matrix()为我们完成繁重工作- R 公式的基础
model.matrix( ~ colors)
(Intercept) colorsred
1 1 1
2 1 0
attr(,"assign")
[1] 0 1
attr(,"contrasts")
attr(,"contrasts")$colors
"contr.treatment"
- 顺序由因子水平决定
- 可用 Tidyverse 或
factor()更改顺序
因子 vs 数值 的注意事项
- R 认为变量是数值型
- 例如：
month = c(1, 2, 3)
- 例如：
month <- c( 1, 2, 3)
model.matrix( ~ month)
(Intercept) month
1 1 1
2 1 2
3 1 3
attr(,"assign")
0 1
- 需指定为因子或字符
- 例如：
month = factor(c( 1, 2, 3))
- 例如：
model.matrix( ~ month)
(Intercept) month2 month3
1 1 0 0
2 1 1 0
3 1 0 1
attr(,"assign")
0 1 1
attr(,"contrasts")$month
"contr.treatment"
¡Vamos a practicar!
R 中的广义线性模型
