回归结果里面每个变量对应两行数据，这两行数据分别代表什么含义呢？

来源：蜘蛛抓取(WebSpider) 时间：2022-05-09 11:10 标签： 含有虚拟变量的多元线性回归

R是用于统计分析、绘图的语言和操作环境。R是属于GNU系统的一个自由、免费、源代码开放的软件，它是一个用于统计计算和统计制图的优秀工具。在学习R数据科学之前，我们首先要对R语言的基础语法有一个良好的了解，方便我们理解以后的数据科学算法。本次语法精讲分三次讲完，每次负责讲解其中一部分！本次的R语言语法精讲（三）主要介绍了 R语言的数据处理技术，涉及到很多数据科学常用的数据预处理技术。学完本文后，您将可以完全掌握R语言数据处理与数据分析的能力，并结合R语言语法精讲（一）和R语言语法精讲（二）以及您的专业知识，可以解决大多数数据分析的系统工作，已经可以熟练运用R语言进行数据建模。

《统计计算与模拟》课程课件-------深圳大学林炳清老师

重编码涉及根据同一个变量和/或其他变量的现有值创建新值的过程。举例来说，你可能想：

  • 将一个连续型变量修改为一组类别值；
  • 将误编码的值替换为正确值；
  • 基于一组分数线创建一个表示及格/不及格的变量。

如果对现有的变量名称不满意，你可以交互地或者以编程的方式修改它们。

在任何规模的项目中， 数据都可能由于未作答问题、设备故障或误编码数据的缘故而不完整。在R中，缺失值以符号NA（NotAvailable，不可用）表示。

(2) 探索缺失值模式

处理缺失数据的方法有很多，但不能保证都生成一样的结果。下图列出了一系列可用来处理不完整数据的方法，以及相应的R包。

(2.1) 列表显示缺失值

mice包中的md.pattern()函数可生成一个以矩阵或数据框形式展示缺失值模式的表格。

(2.2) 相关性探索缺失值

(3) 在分析中排除缺失值

确定了缺失值的位置以后，你需要在进一步分析数据之前以某种方式删除这些缺失值。原因是，含有缺失值的算术表达式和函数的计算结果也是缺失值。

多数的数值函数都拥有一个na.rm=TRUE选项，可以在计算之前移除缺失值并使用剩余值进行计算：

日期值通常以字符串的形式输入到R中，然后转化为以数值形式存储的日期变量。函数as.Date()用于执行这种转化。其语法为as.Date(x, "input_format")，其中x是字符型数据，input_format则给出了用于读入日期的适当格式：

日期值的默认输入格式为yyyy-mm-dd 

# 将默认格式的字符型数据转换为了对应日期

有两个函数对于处理时间戳数据特别实用。Sys.Date()可以返回当天的日期，而date()则返回当前的日期和时间。

可以使用函数difftime()来计算时间间隔，并以星期、天、时、分、秒来表示。

进行转换后，即可使用一系列字符处理函数处理数据（如取子集、替换、连接等）

在R中，可以使用order()函数对一个数据框进行排序。默认的排序顺序是升序。在排序变量的前边加一个减号即可得到降序的排序结果。

# 将各行依女性到男性、同样性别中按年龄升序排序 # 将各行依经理人的性别和年龄降序排序

(1) 向数据框添加列:

要横向合并两个数据框（数据集） ，请使用merge()函数。在多数情况下，两个数据框是通过一个或多个共有变量进行联结的（即一种内联结，inner join） 。

# 将两个数据框按照ID和Country进行了合并

(2) 向数据框添加行:

要纵向合并两个数据框（数据集） ，请使用rbind()函数：

两个数据框必须拥有相同的变量，不过它们的顺序不必一定相同。如果dataframeA中拥有dataframeB中没有的变量，请在合并它们之前做以下某种处理：

在dataframeB中创建追加的变量并将其值设为NA（缺失） 。

纵向联结通常用于向数据框中添加观测。

1.10 数据集取子集

使用subset()函数大概是选择变量和观测最简单的方法了 

# 选择所有age值大于等于35或age值小于24的行，保留了变量q1到q4 
# 选择所有25岁以上的男性，并保留了变量gender到q4（gender、q4和其间所有列）

在数据挖掘和机器学习领域，从更大的数据集中抽样是很常见的做法。 

# 从leadership数据集中随机抽取一个大小为3的样本

sample()函数中的第一个参数是一个由要从中抽样的元素组成的向量。在这里，这个向量是1到数据框中观测的数量，第二个参数是要抽取的元素数量，第三个参数表示无放回抽样。sample()函数会返回随机抽样得到的元素，之后即可用于选择数据框中的行。

2.1 数值和字符处理函数

在R中，概率函数形如 ：

其中第一个字母表示其所指分布的某一方面：

  • r = 生成随机数（随机偏差）

(6) 将函数应用于矩阵和数据框

R中提供了一个apply()函数，可将一个任意函数“应用”到矩阵、数组、数据框的任何维度上。apply()函数的使用格式为：

其中，x为数据对象，MARGIN是维度的下标，FUN是由你指定的函数，而...则包括了任何想传递给FUN的参数。在矩阵或数据框中，MARGIN=1表示行，MARGIN=2表示列。

# 计算每行的截尾均值，截尾均值基于中间60%的数据， 最高和最低20%的值均被忽略

R中提供了许多用来整合（aggregate）和重塑（reshape）数据的强大方法。在整合数据时，往往将多组观测替换为根据这些观测计算的描述性统计量。在重塑数据时，则会通过修改数据的结构（行和列）来决定数据的组织方式。

转置（反转行和列）也许是重塑数据集的众多方法中最简单的一个了。使用函数t()即可对一个矩阵或数据框进行转置。对于后者，行名将成为变量（列）名。

在R中使用一个或多个by变量和一个预先定义好的函数来折叠 （collapse） 数据是比较容易的。

其中x是待折叠的数据对象，by是一个变量名组成的列表，这些变量将被去掉以形成新的观测，而FUN则是用来计算描述性统计量的标量函数，它将被用来计算新观测中的值。

在结果中，Group.1表示汽缸数量（4、6或8），Group.2代表挡位数（3、4或5）。举例来说，拥有4个汽缸和3个挡位车型的每加仑汽油行驶英里数（mpg）均值为21.5。

本次的R语言语法精讲（三）主要介绍了 R语言的数据处理技术，涉及到很多数据科学常用的数据预处理技术。学完本文后，您将可以完全掌握R语言数据处理与数据分析的能力，并结合R语言语法精讲（一）和R语言语法精讲（二）以及您的专业知识，可以解决大多数数据分析的系统工作，已经可以熟练运用R语言进行数据建模。

既然已经集齐了数据塑形所需的工具，准备好告别第一部分并进入激动人心的数据分析世界了吗！

我要回帖

更多关于 含有虚拟变量的多元线性回归 的文章

 

随机推荐