使用下面的數據模型:如何適應預定義的偏移含分類變量R中
我想知道如何適應預定偏移到另一種模式的原始關係,即如何適應從模型A的估計,從而:
ModelA<-lm(Dependent1~Explanatory)
從而建模B:
ModelB<-lm(Dependent2~Explanatory)
其中解釋變量是我的數據集中變量「Categorical」或變量「Continuous」。我與一個類似的問題在CV一個有用的答案:
https://stats.stackexchange.com/questions/62584/how-to-fit-a-specific-model-to-some-data
這裏exaplantory變量是「連續」。不過,我還有一些額外的問題需要回答,因爲我認爲它可能更適合於SO。如果情況並非如此,請告訴我,我將刪除此問題:)
具體而言,我在上面的鏈接中建議,爲了適合我的數據集中連續解釋變量的預定義斜率,我應該這樣做:
lm(Dependent2 ~ 1 + offset(Slope * Continuous))
其中坡度是從模型A取得的預定義坡度。
現在我想知道,我怎麼做同樣的當x是兩個層次分類變量,然後當x是一個二次項,即X + X^2連續變量?
對於二次項我想:
lm(Dependent2 ~ 1 + offset(Slope * Continuous)+ offset(Slope2 * I((Continuous)^2)))
其中斜率是的連續任期固定的估計值,SLOPE2是二次項的固定估計值。
我不確定如何卻得到這個工作的分類變數。當我嘗試以適應作爲偏移:
lm(Dependent2 ~ 1 + offset(Slope * Categorical))
這裏再次,坡度爲A型採取的固定估計的斜率值,我得到一個錯誤:
"Error in lm.fit(x, y, offset = offset, singular.ok = singular.ok, ...) : 0 (non-NA) cases
In addition: Warning message:
In Ops.factor(0.25773, Categorical) : * not meaningful for factors"
如果任何人有一個輸入關於如何創建分類變量的偏移,將不勝感激:)
我猜'偏移量'需要虛擬編碼的因子。 [可重現的代碼和數據]可以給出更好的答案(http://stackoverflow.com/a/5963610/1412059)。 – Roland
嗨,羅蘭,我添加了一些原始數據並澄清了解釋。我希望這有幫助。 – Sarah