擬合線性模型

Question

我有一個看起來像

> t 
      Institution Subject Class  ML1  ML1SD 
aPhysics0   A Physics  0 0.8730469 0.3329205 
aPhysics1   A Physics  1 0.8471074 0.3598839 
aPhysics2   A Physics  2 0.8593750 0.3476343 
aPhysics3   A Physics  3 0.8875000 0.3159806 
aPhysics4   A Physics  4 0.7962963 0.4027512 

數據幀和我要適合ML1線性函數對Class，但是當我打電話

> lm(ML1 ~ Class, data=t) 

我得到：

Call: 
lm(formula = ML1 ~ Class, data = t) 

Coefficients: 
(Intercept)  Class1  Class2  Class3  Class4 
    0.87305  -0.02594  -0.01367  0.01445  -0.07675 

我真的不明白，因爲它看起來像是給我多對於每個值Class的iple梯度值，但有5個Class值（0-4）。但我想要的是一個單一的截距和一個單一的梯度值。

此外，當我撥打lm與weights = 1/ML1SD^2它不會更改任何值。

我在做什麼錯？

Answer 1

Class被視爲categorical variable至lm。我想你的Class是一個因素。

而且迴歸結果是正確的，因爲估計值對應於4個類別。這是因爲，默認情況下，第一級（0，就您的情況而言）被視爲參考級別，並且您獲得的所有估計值均與參考值有關。也就是說，mean(Class1) - mean(Class0)等於-0.02594。 df$Class <- as.numeric(as.character(df$Class))：

如果你不希望在Class分類變量，你想它建模爲一個連續變量，那麼，你必須做轉換factor到numeric（或integer）型。然後，您可以：

> lm(ML1 ~ Class, data=df) 

Call: 
lm(formula = ML1 ~ Class, data = df) 

Coefficients: 
(Intercept)  Class 
    0.87529  -0.01131 

但你肯定Class是一個連續的變量？

編輯：weights參數確實有影響。它執行加權線性最小二乘迴歸。你可以看到，對於categorical variable當你summary(.)：

summary(ML1 ~ factor(Class), data = df) 

但在你的情況下，分類變量只有一個值。

讓我說明另一個例子：

set.seed(45) 
# meaningless data 
df <- data.frame(x=runif(10), y=rep(1:3, c(4,3,3))) 

summary(lm(x ~ factor(y), data=df)) 
# without weights 
# Coefficients: 
#    Estimate Std. Error t value Pr(>|t|) 
# (Intercept) 0.39256 0.09481 4.141 0.00435 ** 
# factor(y)2 -0.09999 0.14482 -0.690 0.51216 
# factor(y)3 -0.14433 0.14482 -0.997 0.35214 


summary(lm(x ~ factor(y), data=df, weights=1/y)) 
# with weights 
# Coefficients: 
#    Estimate Std. Error t value Pr(>|t|)  
# (Intercept) 0.39256 0.07148 5.492 0.000914 *** 
# factor(y)2 -0.09999 0.13687 -0.731 0.488798  
# factor(y)3 -0.14433 0.15983 -0.903 0.396528