カテゴリーおよび数値予測子を使用した重回帰

私はRに比較的慣れていないので、カテゴリー列と数値（整数）列で構成されるデータにモデルを適合させようとしています。従属変数は連続番号です。

データの形式は次のとおりです。

predCateg、predIntNum、ResponseVar

データは次のようになります。

ranking, age_in_years, wealth_indicator
category_A, 99, 1234.56
category_A, 21, 12.34
category_A, 42, 234.56
....
category_N, 105, 77.27

Rでこれを（おそらくGLMを使用して）どのようにモデル化しますか？

[[編集]]

（データをより徹底的に分析した後）たまたまカテゴリカルな独立変数が実際に順序付けられていることに気づきました。したがって、私は以前に提供された答えを次のように変更しました：

> fit2 <- glm(wealth_indicator ~ ordered(ranking) + age_in_years, data=amort2)
> 
> fit2

Call:  glm(formula = wealth_indicator ~ ordered(ranking) + age_in_years, 
    data = amort2)

Coefficients:
      (Intercept)  ordered(ranking).L  ordered(ranking).Q  ordered(ranking).C      age_in_years  
        0.0578500         -0.0055454         -0.0013000          0.0007603          0.0036818  

Degrees of Freedom: 39 Total (i.e. Null);  35 Residual
Null Deviance:      0.004924 
Residual Deviance: 0.00012      AIC: -383.2
> 
> fit3 <- glm(wealth_indicator ~ ordered(ranking) + age_in_years + ordered(ranking)*age_in_years, data=amort2)
> fit3

Call:  glm(formula = wealth_indicator ~ ordered(ranking) + age_in_years + 
    ordered(ranking) * age_in_years, data = amort2)

Coefficients:
                    (Intercept)                ordered(ranking).L                ordered(ranking).Q  
                      0.0578500                       -0.0018932                       -0.0039667  
              ordered(ranking).C                    age_in_years  ordered(ranking).L:age_in_years  
                      0.0021019                        0.0036818                       -0.0006640  
ordered(ranking).Q:age_in_years  ordered(ranking).C:age_in_years  
                      0.0004848                       -0.0002439  

Degrees of Freedom: 39 Total (i.e. Null);  32 Residual
Null Deviance:      0.004924 
Residual Deviance: 5.931e-05    AIC: -405.4

私は少しは何で混乱していますordered(ranking).C、ordered(ranking).Qそしてordered(ranking).L出力に平均し、この出力を理解する上でいくつかの助けをいただければ幸いです、そしてどのように応答変数を予測するためにそれを使用します。

これを試して：

fit <- glm(wealth_indicator ~ 
           factor(ranking) + age_in_years + factor(ranking) * age_in_years)

このfactor()コマンドは、変数がカテゴリカルであることをRが認識していることを確認します。これは、カテゴリが整数で示されている場合に特に役立ちます。そうでない場合、glmは変数を連続と解釈します。

factor(ranking) * age_in_years用語は、Rは、あなたが相互作用項を含めることを知ることができます。

私は最近、パッケージの関数を推奨して、連続従属変数を序数の独立変数で回答しordSmoothましたordPens。これはペナルティ付き回帰を使用して、順序変数のレベル間でダミー係数を平滑化し、レベルごとに大きく変動しないようにします。例えば、あなたはおそらくたくないcategory_Aの係数がよりはるかに異なるようにcategory_Bからよりcategory_N。係数は単調に上昇または下降するか、少なくともランク間で徐々に変化する必要があります。リンクされた質問への私の回答は、さらなる情報のための参照をリストしています。

ordSmooth連続（および名目）変数にも対応できます。あなたの場合、コードは次のようになります：

SmoothFit=with(amort2,
ordSmooth(as.numeric(ordered(ranking)),wealth_indicator,z=age_in_years,lambda=.001))

ordSmooth序数データには数値入力が必要なので、as.numeric(ordered())再フォーマットします。連続予測子のz数値ベクトル/行列/用data.frameです。lambda平滑化係数です。値が大きいほど、係数はゼロに近づきます。ここから始めましょう。印刷SmoothFitすると係数と適合値が得られますが、残りはあなたに任せると思います。

このメソッドでは、ordered(ranking).C/ .Q/ .L係数は、それぞれ3次、2次、線形としてラベル付けされているように見えます。を試すとglm(rnorm(10)~ordered(rep(1:5,2)))、ordered(rep(1:5, 2))^4同様に係数が得られます。なぜこれらが指数で示されているのか、本当にわかりません。これらは多項式の項としてモデル化しているとは思わない。なぜなら、係数が異なり、これglm(y~x+I(x^2)+I(x^3)+I(x^4))をスケーリングしたものだからである。それらは基本的なダミーコードでなければなりません。