区分 R 中的分类和数值自变量。
对于分类变量，每个水平都被认为是一个自变量，并被因子函数识别。另一方面，数值自变量本质上要么是连续的，要么是离散的。
查看下面给出的线性回归模型摘要示例，以了解分类自变量和数值自变量之间的差异。
示例
以下代码段创建了一个示例数据框-
x<-rpois(20,2) y<-rpois(20,5) df<-data.frame(x,y) df
创建了以下数据框
x y 1 1 1 2 4 5 3 3 10 4 3 4 5 1 6 6 3 4 7 1 2 8 1 10 9 1 6 10 2 5 11 1 2 12 3 4 13 0 5 14 1 5 15 4 5 16 4 7 17 3 5 18 2 4 19 1 3 20 2 6
要为df中的数据创建线性模型并在上面创建的数据框中找到模型摘要，请将以下代码添加到上面的代码段中-
x<-rpois(20,2) y<-rpois(20,5) df<-data.frame(x,y) Model_1<-lm(y~x,data=df) summary(Model_1)输出结果
如果您将上述所有给定的片段作为单个程序执行，它会生成以下输出-
Call:
lm(formula = y ~ x, data = df)
Residuals:
Min 1Q Median 3Q Max
-3.549 -1.313 -0.503 1.128 5.451
Coefficients:
Estimate Std. Error t value Pr(|t|)
(Intercept) 4.168 1.013 4.11 0.00065 ***
x 0.382 0.426 0.90 0.38249
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 2.29 on 18 degrees of freedom
Multiple R-squared: 0.0426, Adjusted R-squared: -0.0106
F-statistic: 0.801 on 1 and 18 DF, p-value: 0.382要使用作为因子变量的df中的数据创建线性模型并在上面创建的数据框中找到模型摘要，请将以下代码添加到上面的代码段中-
x<-rpois(20,2) y<-rpois(20,5) df<-data.frame(x,y) Model_1<-lm(y~x,data=df) Model_2<-lm(y~factor(x),data=df) summary(Model_2)输出结果
如果您将上述所有给定的片段作为单个程序执行，它会生成以下输出-
Call:
lm(formula = y ~ factor(x), data = df)
Residuals:
Min 1Q Median 3Q Max
-3.375 -1.400 -0.533 1.083 5.625
Coefficients:
Estimate Std. Error t value Pr(|t|)
(Intercept) 5.00e+00 2.50e+00 2.00 0.064 .
factor(x)1 -6.25e-01 2.65e+00 -0.24 0.817
factor(x)2 -3.92e-15 2.89e+00 0.00 1.000
factor(x)3 4.00e-01 2.74e+00 0.15 0.886
factor(x)4 6.67e-01 2.89e+00 0.23 0.820
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 2.5 on 15 degrees of freedom
Multiple R-squared: 0.0526, Adjusted R-squared: -0.2
F-statistic: 0.208 on 4 and 15 DF, p-value: 0.93