问题标签 [dummy-variable]

我正在从 Stata 过渡到 R。在 Stata 中，如果我将因子水平（比如 - 0 和 1）标记为（M 和 F），0 和 1 将保持原样。此外，在包括 Excel 和 SPSS 在内的大多数软件中，虚拟变量线性回归都需要这样做。

但是，我注意到 R 默认因子水平为 1,2 而不是 0,1。我不知道为什么 R 会这样做，尽管内部回归（并且正确地）假设 0 和 1 作为因子变量。我将不胜感激任何帮助。

这是我所做的：

尝试#1：

似乎因子水平现在重置为 1 和 2。我相信 1 和 2s 是对因子水平的引用。但是，我丢失了原始值，即 0 和 1。

尝试2：

同上。我的 0 和 1 现在是 1 和 2。相当令人惊讶。为什么会这样。

Try3 现在，我想看看 1s 和 2s 是否有任何不良影响回归。所以，这就是我所做的：

这是我的数据的样子：

所以，事实证明手段是正确的。在运行回归时，R 确实使用 0 和 1 值作为虚拟变量。

我确实检查了 SO 上的其他线程，但他们大多谈论 R 如何编码因子变量而没有告诉我原因。Stata 和 SPSS 通常要求基本变量为“0”。所以，我想问问这个。

我会很感激任何想法。

I hope this question isn't off topic. I know how to code a dummy variable in R, however, I was wondering if I could create it in excel. Lets say I have 3 colors (red, blue, yellow) list under a color variable. R would import this as a factor with 3 levels.

Now if I wanted to do this in excel could I make 3 new predictors (instead of color they now become red, blue, and yellow) and place a 1 in the red column if it is red and 0 otherwise and so on? Or will R continue to interpret this as 3 individual factors with 2 levels each?

我正在使用gbm.stepR 中的 dismo 包（用于 GBM）来构建增强回归树模型。然而，我最初将分类变量编码为因子 - 我被告知将因子编码为虚拟二进制变量（1 表示存在；0 表示不存在）将使算法更容易执行递归二进制拆分。

然而，今天我为包含因子的数据集（320 次运行）和另一个包含虚拟变量的数据集（另外 320 次运行）运行了一系列学习率、树复杂度和袋子分数的组合。

为了进行一般性细分，我有 4 个分类变量。

1) 第一个分类有 4 个级别 - 分为四个单独的 1/0 组合

2）第二个与（1）相同。

3) 第三个有 3 个级别 - 分为 3 个单独的 1/0 组合。

4) 最后一个分类变量有 2 个级别 - 所以 2 1/0 组合。

在比较所有运行后，在解释的偏差方面，使用因子编码的数据集每次（320 次）都优于二进制虚拟变量 1.5 - 3%。

我想知道为什么，当我期望虚拟变量更好地拟合模型时？是否dismo在幕后自动创建虚拟变量？

谢谢。

我正在使用长格式的纵向调查，并且我正在尝试创建一个虚拟变量来判断一个人是否在 25 岁之前没有获得大学学位。我的数据看起来像这样：

正如我试图说明的那样，相关年份的调查回复中缺少很多数据点。但很明显，如果受访者在以后的几年中回答“否”，则可以推断他们在 <25 岁时也没有学位。

尝试尽可能通用，我怎样才能创建一个新变量，它取决于一个人的所有变量值，即 ID = 1、2、3 等？

对不起，如果我不清楚！

编辑：

对不起，我的错，数据过去是宽格式，变量表示受访者是否在 1998 年、2000 年、2002 年等拥有大学学位（值表示响应 1 == TRUE，0 == FALSE），CYRB 是实际上是出生年份，为我想要的虚拟变量的预期输出编辑的表格将是：

即，如果受访者在 25 岁以后的任何调查中回答他/她没有大学学位，则虚拟变量取值为 1。

希望这更清楚一点。

我正在尝试为孩子是否是第一个出生的虚拟变量，以及一个孩子是否是第二个出生的虚拟变量。我的数据看起来像这样

ID = 儿童 ID，MID = 母亲 ID，CMOB = 出生月份，CYRB = 出生年份。

对于第一个出生的假人，我尝试使用这个：

但是似乎没有办法通过另一个列的等级来打破关系（显然在这种情况下，所需的列是 CMOB），每当我尝试使用“ties.method”参数时，它都会告诉我输入必须是字符向量。

我在这里错过了什么吗？

我的数据看起来像这样：

ID = 孩子 ID，CSEX = 孩子性别，MID = 母亲 ID，CMOB = 出生月份和 CYRB = 出生年份，第一个 = 第一个出生假人，第二个 = 第二个出生假人。

如果出生在一个家庭的前两个孩子（即具有相同的 MID）是同性，我正在尝试制作一个取值为 1 的虚拟变量。

我试过了

但很明显，这仍然只检查每个单独 ID 的条件，而不是通过 MID，因此返回一个总是取值 = 0 的虚拟对象。

谢谢

编辑预期输出：

即对于在前两个孩子是同性的家庭中的任何个人，虚拟 SAMESEX = 1

Edit2（我之前展示的只是我做的一个例子，因为真正的数据集调用结构给出了）：

和str：

所以我是使用 R 的新手，但我在完成一项相当简单的任务时遇到了麻烦。我有一个名为“数据”的df，如下所示......

我还有一个名为“Player.Names”的向量，其中包含在 Data$Group 中某个时间点出现的所有唯一名称，就像这样......

我正在努力完成的是在“数据”中创建代表每个唯一名称的新列，如果名称在 Data$Group 中，则包含值 1，如果不在，则包含值 0。所需的输出如下所示...

我有一个 CASE_ID（xy 和 z）的数据集、每个 CASE_ID 的一组多个日期（包括重复日期）和一个变量 VAR。我想在一个组中按组创建一个虚拟变量 DUMMYVAR，如果 VAR="C" 用于某个特定日期的 CASE_ID x，则 DUMMYVAR=1 用于与该日期对应的 CASE_ID x 的所有观察值。

我相信经典 2XDOW 将是这里的关键，但这是我使用 SAS 的第三周，这里的两个 BY 组很难得到这个。

我在这里引用并尝试编写 Haikuo 代码的变体：

我正在使用Stata。

我从 TUS（即时间使用调查）获得了一个描述性统计数据：全职工人每天花费的总时间（因为这些数据来自卢森堡，全职工作日至少 8 小时）工作人员）。因此，我在 TUS 的子样本上工作，其中只有宣布就业的人。

在这个（子样本）数据集中，每个人有两个观察值，一个在周末，一个在一周内（即，它是一种短面板数据集）。

因为我只对那些全职工作的人感兴趣，所以我想衡量两类人在这两天内的总工作时间：

1. 工作日工作时间为 8 小时或以上，周末工作时间为 0 小时（周六和周日）的个人；
2. 在工作日和周末工作的个人（例如，服务员、护士、司机等），工作日的工作时间为 8 小时或以上，周末的工作时间为 8 小时或以上。

[问题 1]如何创建一个变量，当个体为 1. 或 2. 时为 1，否则为 0？

[问题 2]一旦我为全职工人创建了虚拟变量，我想创建另一个虚拟变量，对于仅在工作日工作的工人为 1，对于周末工作的工人为 0，我该怎么做那？

[更新] 这里我发布了一部分数据集作为示例（通过datasex获得）：

我注意到当使用虚拟编码来拟合我的线性模型时，R 在形成模型矩阵时排除了某些参数。这样做的R算法是什么？