在具有全套因素且 R 中没有常数的线性回归模型中更正 R^2 值
Correct R^2 values in linear regression models with full set of factors and no constant in R
我有一个来自包含四种处理的实验的数据集，这些数据使用四个虚拟变量进行编码，我称之为 Tr1、Tr2、Tr3 和 Tr4。 （所以要清楚：Tr1 + Tr2 + Tr3 + Tr4 = 1 对于我数据集中的所有观察值。）现在我正在估计一个线性回归模型，我在所有四个虚拟变量和一些其他回归变量上回归我的结果变量 y，省略常数：
lm(y ~ Tr1 + Tr2 + Tr3 + Tr4 + var1 + var2 + 0, data = df)
问题是这个没有常量的模型会产生膨胀的 R^2 值。显然，Stata 有一个 , hasconst 选项可以产生正确的 R^2 值，同时考虑到模型是在没有常量的情况下估计的，但是所有虚拟变量的形式都包含一个常量。 R中有类似的东西吗？或者有人可以告诉我如何计算这个模型的 R^2 吗？
如果您删除其中一个假人但包含一个常数，则估计的模型将相同（模数将常数添加到您的假人）并且 R2 将是正确的：
m <- lm(y ~ Tr2 + Tr3 + Tr4 + var1 + var2, data = df)
rsq <- summary(m)$r.squared
我有一个来自包含四种处理的实验的数据集，这些数据使用四个虚拟变量进行编码，我称之为 Tr1、Tr2、Tr3 和 Tr4。 （所以要清楚：Tr1 + Tr2 + Tr3 + Tr4 = 1 对于我数据集中的所有观察值。）现在我正在估计一个线性回归模型，我在所有四个虚拟变量和一些其他回归变量上回归我的结果变量 y，省略常数：
lm(y ~ Tr1 + Tr2 + Tr3 + Tr4 + var1 + var2 + 0, data = df)
问题是这个没有常量的模型会产生膨胀的 R^2 值。显然，Stata 有一个 , hasconst 选项可以产生正确的 R^2 值，同时考虑到模型是在没有常量的情况下估计的，但是所有虚拟变量的形式都包含一个常量。 R中有类似的东西吗？或者有人可以告诉我如何计算这个模型的 R^2 吗？
如果您删除其中一个假人但包含一个常数，则估计的模型将相同（模数将常数添加到您的假人）并且 R2 将是正确的：
m <- lm(y ~ Tr2 + Tr3 + Tr4 + var1 + var2, data = df)
rsq <- summary(m)$r.squared