将 28 级分类变量转换为矩阵
Convert a 28 level categorical variable to matrix
我有一个包含一列 company 的数据集，我将对此数据集进行回归建模。
我应该使用 model.matrix 转换它还是只在一列中分配 1-28 的值。
当 lm 函数可以处理时，将其转换为 28 列有什么意义？
我应该使用 model.matrix 转换它还是只在一列中分配 1-28 的值？
你不应该做：
- 如果您在一列中分配从 1 到 28 的值，就好像说公司 28 的权重是公司 1 的 28 倍，而所有公司在您的分析中都需要具有相同的权重（假设这些是没有顺序关系的公司名称。
- 使用
model.matrix 会将您的公司列转换为虚拟变量（0 - 1 标志），但您不需要这样做，因为 lm 会自动为您完成。
在lm函数可以处理的情况下，将其转换为28列有什么意义？
正如我之前提到的，lm 会为您完成，因此您无需自己完成。但是，我需要指出的是，您最终会得到 27 列（加上截距），因为一列（参考列）将被故意遗漏。原因是，通过了解其他 27 家公司，您也隐含地了解了第 28 家公司（即参考列与其他 27 家公司的组合 100% 相关，因此需要省略）。
我有一个包含一列 company 的数据集，我将对此数据集进行回归建模。
我应该使用 model.matrix 转换它还是只在一列中分配 1-28 的值。
当 lm 函数可以处理时，将其转换为 28 列有什么意义？
我应该使用 model.matrix 转换它还是只在一列中分配 1-28 的值？
你不应该做：
- 如果您在一列中分配从 1 到 28 的值，就好像说公司 28 的权重是公司 1 的 28 倍，而所有公司在您的分析中都需要具有相同的权重（假设这些是没有顺序关系的公司名称。
- 使用
model.matrix会将您的公司列转换为虚拟变量（0 - 1 标志），但您不需要这样做，因为lm会自动为您完成。
在lm函数可以处理的情况下，将其转换为28列有什么意义？
正如我之前提到的，lm 会为您完成，因此您无需自己完成。但是，我需要指出的是，您最终会得到 27 列（加上截距），因为一列（参考列）将被故意遗漏。原因是，通过了解其他 27 家公司，您也隐含地了解了第 28 家公司（即参考列与其他 27 家公司的组合 100% 相关，因此需要省略）。