generar - regresion con variables dummy en r

¿Cómo hago una variable ficticia en R?

Question

Entonces, mi conjunto de datos consta de 15 variables, una de ellas (sexo) tiene solo 2 niveles. Quiero usarlo como una variable ficticia, pero los niveles son 1 y 2. ¿Cómo hago esto? Quiero tener los niveles 0 y 1, pero no sé cómo administrar esto en R!

Answer 1

Con la mayoría de las herramientas de modelado de R con una interfaz de fórmula, no necesita crear variables ficticias, el código subyacente que maneja e interpreta la fórmula lo hará por usted. Si desea una variable ficticia por alguna otra razón, entonces hay varias opciones. El más fácil (en mi humilde opinión) es usar model.matrix() :

set.seed(1)
dat <- data.frame(sex = sample(c("male","female"), 10, replace = TRUE))
model.matrix( ~ sex - 1, data = dat)

lo que da:

> dummy <- model.matrix( ~ sex - 1, data = dat)
> dummy
sexfemale sexmale
1 0 1
2 0 1
3 1 0
4 1 0
5 0 1
6 1 0
7 1 0
8 1 0
9 1 0
10 0 1
attr(,"assign")
[1] 1 1
attr(,"contrasts")
attr(,"contrasts")$sex
[1] "contr.treatment"
> dummy[,1]
1 2 3 4 5 6 7 8 9 10
0 0 1 1 0 1 1 1 1 0

Puede usar cualquiera de las columnas del dummy como una variable ficticia numérica; elija la columna que desee que sea el nivel 1 . dummy[,1] elige 1 como representando la clase femenina y el dummy[,2] la clase masculina.

Eche esto como un factor si quiere que se interprete como un objeto categórico:

> factor(dummy[, 1])
1 2 3 4 5 6 7 8 9 10
0 0 1 1 0 1 1 1 1 0
Levels: 0 1

Pero eso es derrotar al objeto de factor; ¿Qué es 0 nuevo?

Answer 2

Ty esto

set.seed(001) # generating some data
sex <- factor(sample(1:2, 10, replace=TRUE)) # this is what you have
[1] 1 1 2 2 1 2 2 2 2 1
Levels: 1 2
sex<-factor(ifelse(as.numeric(sex)==2, 1,0)) # this is what you want
sex
[1] 0 0 1 1 0 1 1 1 1 0
Levels: 0 1

Si desea que las etiquetas sean 0 = Hombre y 1 = Mujer, entonces ...

sex<-factor(ifelse(as.numeric(sex)==2, 1,0), labels=c(''M'', ''F''))
sex # this is what you want
[1] M M F F M F F F F M
Levels: M F

En realidad, no necesita crear una variable ficticia para estimar un modelo usando lm , veamos este ejemplo:

set.seed(001) # Generating some data
N <- 100
x <- rnorm(N, 50, 20)
y <- 20 + 3.5*x + rnorm(N)
sex <- factor(sample(1:2, N, replace=TRUE))
# Estimating the linear model
lm(y ~ x + sex) # using the first category as the baseline (this means sex==1)
Call:
lm(formula = y ~ x + sex)
Coefficients:
(Intercept) x sex2
19.97815 3.49994 -0.02719
# renaming the categories and labelling them
sex<-factor(ifelse(as.numeric(sex)==2, 1,0), labels=c(''M'', ''F''))
lm(y ~ x + sex) # the same results, baseline is ''Male''
Call:
lm(formula = y ~ x + sex)
Coefficients:
(Intercept) x sexF
19.97815 3.49994 -0.02719 

Como puede ver, R trata bastante bien con los maniquíes, simplemente los pasa a la fórmula como variable de factor y R hará el resto por usted.

Por cierto, no hay necesidad de cambiar las categorías de c (2,1) a c (0,1), los resultados serán los mismos que se pueden ver en el ejemplo anterior.

Answer 3

Como lo sugirieron muchos más arriba, conviértalo en factor.

Si realmente quieres un código ficticio de la variable de género, considera esto

set.seed(100)
gender = rbinom(100,1,0.5)+1
gender_dummy = gender-1