R：使用csv運行lm（）時係數重複的問題

Question

因此，我使用read.csv從我的csv中提取了我的數據，並且工作正常。 代碼：

techdata <- read.csv("/user/path", header = TRUE, sep = ",", stringsAsFactors = FALSE) 

我已經檢查數據作爲R輸出，它是正確的格式，似乎罰款。

但是當我運行

techFit <- lm(techdata$reordered_in_next_30_days ~techdata$work_order_frequency) 
summary(techFit) 

我得到這個

Call: 
lm(formula = techdata$reordered_in_next_30_days ~ techdata$work_order_frequency) 

Residuals: 
    Min  1Q Median  3Q Max 
-5.416 -0.886 -0.283 0.372 94.531 

Coefficients: 
            Estimate Std. Error t value Pr(>|t|)  
(Intercept)      2.46871 0.03142 78.581 < 2e-16 *** 
techdata$work_order_frequency1  2.94734 0.08425 34.985 < 2e-16 *** 
techdata$work_order_frequency10 -0.80860 0.07465 -10.832 < 2e-16 *** 
techdata$work_order_frequency100 -2.43363 0.36315 -6.702 2.08e-11 *** 
techdata$work_order_frequency101 -2.26871 0.34024 -6.668 2.61e-11 *** 
techdata$work_order_frequency102 -2.36591 0.26592 -8.897 < 2e-16 *** 
techdata$work_order_frequency103 -2.21871 0.48387 -4.585 4.54e-06 *** 
.... 
techdata$work_order_frequencyNULL -2.46871 0.05592 -44.151 < 2e-16 *** 
--- 
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 

Residual standard error: 2.731 on 72500 degrees of freedom 
Multiple R-squared: 0.141, Adjusted R-squared: 0.1378 
F-statistic: 44.07 on 270 and 72500 DF, p-value: < 2.2e-16 

應該只有1 「techdata $ work_order_frequency」，但最終被100。

這是向上真的讓我很難解釋數據正在發生什麼，並希望更好地理解爲什麼會發生這種情況。

Answer 1

它看起來像你的專欄work_order_frequency是一個字符列。默認情況下，如果您使用read.csv，則會將其作爲因子讀入。這就是lm函數將此列分解爲單獨係數的原因。

用選項stringsAsFactors = FALSE再次讀入您的數據。