问题标签 [categorical-data]

我对 R 相当陌生，但试图边做边学

我正在尝试根据连续变量（销售额）绘制分类（渠道）。

这是我的数据

这是我用来生成图表的代码

但是我收到一个错误

和一些警告

我究竟做错了什么？我该如何解决？

在此先感谢您的帮助

更新 #1 我已将绘图代码更新为

这现在有效。

背景：当我们测试一个已经编码为虚拟变量的分类变量的显着性时，我们需要同时测试所有虚拟变量为0。例如，如果X取0、1、2、3和4的值，I适合 1-4 级的虚拟变量（假设我希望 0 作为基线），然后想要同时测试 B1=B2=B3=B4=0。

如果这是我的数据集中唯一的变量，我可以使用整体F统计量来实现这一点。但是，如果我有其他协变量，则整体F检验不起作用。

例如，在 Stata 中，这（非常非常）简单地由以下testparm命令执行：（ testparm i.x在拟合所需的回归模型之后），其中i.前缀告诉 Stata X是要视为虚拟变量的分类数据。

问题/问题：我想知道如何在 SAS 中使用CONTRAST（或ESTIMATE？）语句来执行此操作，同时使用回归模型拟合PROC GLM.由于我已经搜索了互联网并且没有找到我正在寻找的东西，我猜我错过了一些非常明显的东西。但是，我看到的所有示例都不是针对分类 ( class) 变量，而是针对两个单独的（例如连续的）变量。在这种情况下，对比语句将简单地类似于

CONTRAST 'Contrast1' y 1 z 1;

否则，它们用于计算 H_0 之类的假设：B1-B2=0。

我觉得我需要将假设分解成更小的部分，并确定定义整个关系的集合，但我没有正确地做到这一点。比如对于B1=B2=B3=B4=0，我想我可能会说B1=B2=B3=-B4，然后定义（1）B1=-B4，（2）B2=-B4和（3）B2 =B3。我试图将其编码为CONTRAST语句（例如X在数据集中按降序排列：4-0）：

我知道这是不正确的，我尝试了很多很多变体以及我能想出的任何随机逻辑。我的问题是我有相对新手级别的知识CONTRAST（不幸的是还没有找到很好的文档来帮助解决这个问题）以及这个假设检验应该如何为了估计而真正制定（我是否尝试将它分成几部分？就像我上面做的那样，或者......？）。

背景：我有一个分类变量X，有四个级别，我适合作为单独的虚拟变量。因此，共有三个虚拟变量表示 x=1、x=2、x=3（x=0 是基线）。

问题/问题：我想测试模型参数线性组合的重要性，例如：2*B1+2*B2+B3=0。

在 Stata 中，第一个问题可以在使用以下方法拟合模型后轻松完成：

test 2*B1 + 2*B2 + B3 = 0

现在，如果我想在 SAS 中PROC GLM使用CONTRAST语句执行此操作，我知道我的“权重”（因为没有更好的术语）总和必须为 0。例如，如果在一个不相关的示例中，我想测试以下内容对于四个连续变量：C1 + C2 = C3 + C4，我的对比语句如下所示：

CONTRAST 'Contrast1' C1 0.5 C2 0.5 C3 -0.5 C4 -0.5

在这种情况下，每个变量应该如何加权是很明显的。但是，当我想将上面模型中给出的系数 (2*B1 + 2*B2 + B3 = 0) 与这些权重相结合时，我不清楚如何在CONTRAST语句中对函数进行加权，特别是对于一个假人变量编码的分类变量，如问题最初所述。

背景：我有一个分类变量X，有四个级别，我适合作为单独的虚拟变量。因此，共有三个虚拟变量表示 x=1、x=2、x=3（x=0 是基线）。

问题/问题：我希望能够计算这些虚拟变量的线性组合（即使用 SAS 作为计算器）的值。例如，2*B1 + 2*B2 + B3。

在 Stata 中，这可以使用lincom命令来完成，该命令使用存储的 beta 估计值来计算参数的线性组合。

在诸如 PROC GLM 之类的过程中的 SAS 中，我认为我应该使用该ESTIMATE语句，但我不确定在这种情况下如何为每个变量指定“权重”。

我有一个名为体验的变量，它被编码为数字并包含 3 个值（1、5、10）。我将课程更改为使用因素df$experience<-factor(df$experience)，然后将其更改为因素。接下来我运行一个 GLM 模型

但是当我得到时summary(reg)，表中只显示了一个级别的经验变量（即experience10）。不应该还有另一个分类变量experience5吗？

我有以下data.frame。如何识别是否有任何分类变量应编码为 data.frame 中的因素？

这是一个正确的答案吗？

是的！factor(beef$PBE) 有 14 个级别，factor(beef$PPO) 有 16 个级别，factor(beef$CFO) 有 15 个级别，其余的不能编码为因子，因为它们有完整的 17 个级别。

我有一个data包含 66 个变量和大约 200,000 个观察值的数据集。数据结构的快照如下所示：

数据中有大量的分类变量。我想排除级别大于数字n的分类变量。这不仅是为了减少计算时间，也是为了确保某些机器学习算法（例如随机森林）有效。

我尝试了以下代码：

但是，当我尝试：

我收到以下错误：

我真的很感激任何帮助？

假设我问了 10 个人他们喜欢哪种水果。可能的答案不止一个。将结果输入到 R 中，如下所示：

以便

如何在如下表中总结信息？

搜索后，我发现了一些想法，例如 using interaction(q1.banana, q1.apple, q1.melon)，但这给出了不同类型的输出。此外，如果您的答案涉及通配符，我将不胜感激，因为我的真实案例预计会有几十个假人，我不想全部写出来。

请允许我先说我是 R 的新手。我清理了一些收入和租金变量，现在我试图将我的种族变量从 9 个类别重新编码为 2 个。原始变量的编码如下：

1=白色 2=黑色 3=本土 4=亚洲 5=A 6=B 7=C 8=D 9=E。我基本上是在尝试消除所有其他种族，只保留白色和黑色作为虚拟变量，其中 White=0 和 Black=1。这是代码：

操纵水平给我留下了“白色”和“黑色”，但是当我绘制它时，它也显示了 NA。我不确定如何摆脱因子变量中的 NA。任何想法，将不胜感激。

我有一个数值变量（QS），范围为 1-10。我想创建一个分类变量，其中

差：QS < 5，好：QS > 5

所以我现在有 2 个分类变量......好和坏

在 R 中执行此操作的最佳方法是什么？