R 中带有分类变量的回归

Question

我正在尝试理解 R 中的回归。我正在尝试解决一个包含 100 个随机男女数据集的练习，如下所示：

sex     sbp      bmi
male     130     40.0
female   126     29.0
female   115     25.0
male     120     33.0
female   128     34.0
...

我想要得到一个数值摘要 (0)，绘制 sbp 和 bmi (1) 之间的关系，并使用 R^2 (2) 估计 beta1、beta2 和 sigma 参数。然后，检查模型的良好性 (3) 并获取置信区间 (4)..

我认为性别是一个分类变量，所以这是我的代码：

as.numeric(framingham$sex) - 1
apply(framingham, 2, class)

#0
framingham$sex <- factor (framingham$sex)
levels (framingham$sex) <- c("female", "male")
resultadoNumerico <- compareGroups(~., data = framingham)
resumenNumerico <- createTable(resultadoNumerico)
resumenNumerico

# 1
framinghamMatrix <- data.matrix(framingham)
pairs(framinghamMatrix)
cor(framinghamMatrix)

#2
regre <- lm(sbp ~ bmi+sex, data = framingham)
regreSum <- summary(regre)
regreSum
# Sigma
regreSum$sigma
# Betas
regreSum$coefficients

#3
plot(framingham$bmi, framingham$sbp, xlab = "SBP", ylab = "BMI")
abline (regre)

但我认为我做得不对...你能帮助我吗？预先感谢...

Answer 1

要检查变量之间的关系，请尝试使用 psych 库中名为pairs.panels 的绘图。它给出了分布、散点图和相关系数。

library(psych)
pairs.panels(framingham)

这里的性别变量是分类变量，因此将其转换为因子，然后作为线性回归模型的输入。按字母顺序排列，因子中的第一个水平成为您的参考水平，因此在模型摘要中您只能看到参考水平以外的水平（在这种情况下，女性是基础参考水平）

framingham$sex<-as.factor(framingham$sex)

现在创建您的线性模型。

model <- lm(sbp ~ bmi+sex, data = framingham)
model
summary(model)

摘要给出了系数、截距、标准误差（95% 置信度）、t 值和 p 值（表明变量的显着性）、多重 R 平方（拟合优度）、调整 R 平方（拟合优度）根据模型复杂度调整拟合）等

Answer 2

我为分类变量设置了 sex-1：

regre <- lm(sbp ~ bmi+sex***-1***, data = framingham)
regreSum <- summary(regre)
regreSum

现在我得到了

Call:
lm(formula = sbp ~ bmi + sex - 1, data = framingham)

Residuals:
    Min      1Q  Median      3Q     Max 
-28.684 -13.025  -1.314   8.711  73.476 

Coefficients:
          Estimate Std. Error t value Pr(>|t|)    
bmi         1.9338     0.3965   4.877 4.21e-06 ***
sexhombre  79.0624    11.0716   7.141 1.71e-10 ***
sexmujer   82.1020    10.5184   7.806 6.93e-12 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 18.48 on 97 degrees of freedom
Multiple R-squared:  0.9813,    Adjusted R-squared:  0.9808 
F-statistic:  1700 on 3 and 97 DF,  p-value: < 2.2e-16

也许我走的路是对的？