다른 유형의 동일한 범주 형 변수에 대해 다른 p 값을 생성하는 glm

Question

glm을 사용하여 모델 적합성을 생성 중입니다. 내 데이터에는 정수 변수와 범주 형 변수가 혼합되어 있습니다. 범주 형 변수는 코드 형식이므로 데이터의 정수 유형입니다. 처음에 모델을 만들려고 할 때 정수형 형식의 범주 형 변수를 그대로 전달하고 모델을 얻었습니다. 나는 p 값을 한번 확인해 보았습니다. 그 값은 중요합니다. 그리고 주목할만한 변수가 거의 없었습니다.

이 경우 정수 양식의 범주 형 변수가 약간의 문제를 일으킬 수 있습니다. 코드 3과 마찬가지로 코드 1보다 중요도가 높아질 수 있습니다 ().이 사람이 이것을 확인할 수 있으면 좋을 것입니다 (). 어떤 연구를하면서 나는 범주 형 정수 변수를 factor으로 변환 할 수 있음을 발견했습니다. 나는 똑같이하고 모델을 다시 만들었다.

나는 또한 바이너리으로 변환한다고 언급 된 일부 게시물을 보았습니다. 그래서 나는 그렇게 잘했습니다.

1. (R1) >> 내가 느끼는 진

로 변환 범주 형 변수와 범주 요인 변수

R3 >>와 범주 정수 변수

R2 >>에 - 그래서 지금은 3 개 결과를 범주 형 정수 변수를 가진 1을 출력하는 것은 올바르지 않습니다 (을 확인하십시오). 그러나 출력 2와 3 사이에 나는

1. P-값이 다를으로 고려되는 하나의 혼란 스러워요
2. 하나는
3. 내가 출력 출력 3의 P-값을 관련 수 있습니다 더 정확할 것이다 2?
4. 는 for 루프는
5. 내 데이터베이스가 큰 문제가되지 않습니다 내부 GLM 핸들 등의 변수
6. 희망 GLM, 우리는 data.table 사용 GLM 할 수 않습니다 어떻게? 나는 몇 가지 샘플 데이터로 내 코드 아래에 붙여 넣기하고

은

library("plyr") 
library("foreign") 
library("data.table") 

#####Generating sample data 

set.seed(1200) 
id <- 1:100 
bill <- sample(1:3,100,replace = T) 
nos <- sample(1:40,100,replace = T) 
stru <- sample(1:4,100,replace = T) 
type <- sample(1:7,100,replace = T) 
value <- sample(100:1000,100,replace = T) 

df1 <- data.frame(id,bill,nos,stru,type,value) 

var1 <- c("bill","nos","stru") 

options(scipen = 999) 
r1 <- data.frame() 

for(type1 in unique(df1$type)){ 
    for(var in var1){ 
    # dynamically generate formula 
    fmla <- as.formula(paste0("value ~ ", var)) 

    # fit glm model 
    fit <- glm(fmla, data=df1[df1$type == type1,],family='quasipoisson') 
    p.value <- coef(summary(fit))[8] 

    cfit <- coef(summary(fit)) 
    # create data frame 
    df2 <- data.frame(var = var, type = type1, basket="value",p.value = cfit[8],stringsAsFactors = F) 
    r1 <- rbind(r1, df2) 
    } 
} 

##### converting the categorical numeric variables to factor variables 

df1$bill_f <- as.factor(bill) 
df1$stru_f <- as.factor(stru) 

var1 <- c("bill_f","nos","stru_f") 

r2 <- data.frame() 

for(type1 in unique(df1$type)){ 
    for(var in var1){ 
    # dynamically generate formula 
    fmla <- as.formula(paste0("value ~ ", var)) 

    # fit glm model 
    fit <- glm(fmla, data=df1[df1$type == type1,],family='quasipoisson') 
    p.value <- coef(summary(fit))[8] 

    cfit <- coef(summary(fit)) 
    # create data frame 
    df2 <- data.frame(var = var, type = type1, basket="value",p.value = cfit[8],stringsAsFactors = F) 
    r2 <- rbind(r2, df2) 
    } 
} 

#####converting the categorical numeric variables to binary format (1/0) 

df1$bill_1 <- ifelse(df1$bill == 1,1,0) 
df1$bill_2 <- ifelse(df1$bill == 2,1,0) 
df1$bill_3 <- ifelse(df1$bill == 3,1,0) 

df1$stru_1 <- ifelse(df1$stru == 1,1,0) 
df1$stru_2 <- ifelse(df1$stru == 2,1,0) 
df1$stru_3 <- ifelse(df1$stru == 3,1,0) 
df1$stru_4 <- ifelse(df1$stru == 4,1,0) 

var1 <- c("bill_1","bill_2","bill_3","nos","stru_1","stru_2","stru_3") 

r3 <- data.frame() 

for(type1 in unique(df1$type)){ 
    for(var in var1){ 
    # dynamically generate formula 
    fmla <- as.formula(paste0("value ~ ", var)) 

    # fit glm model 
    fit <- glm(fmla, data=df1[df1$type == type1,],family='quasipoisson') 
    p.value <- coef(summary(fit))[8] 

    cfit <- coef(summary(fit)) 
    # create data frame 
    df2 <- data.frame(var = var, type = type1, basket="value",p.value = cfit[8],stringsAsFactors = F) 
    r3 <- rbind(r3, df2) 
    } 
} 

Answer 1

당신의 느낌은 대부분 정확 재현한다. GLM의 경우 연속 변수와 이산 (범주 형) 변수를 구별해야합니다.

이진 변수는 2 레벨 만 포함하는 변수입니다 (예 : 0과 1). 2+ 레벨의 변수 만 있으므로 factor() 함수를 사용해야합니다.