R语言 用lm()建立线性回归模型时自变量中存在类变量

在R语言中，如果自变量中存在类别变量，需要将其转换为虚拟变量（dummy variables）来进行线性回归分析。虚拟变量是一种二元变量，将类别变量转换为虚拟变量后，每个类别就对应一个虚拟变量，取值为0或1。

下面是一个示例代码，假设数据集中有一个自变量x1是类别变量，它有3个不同的取值，我们可以使用model.matrix()函数将其转换为虚拟变量。

# 创建一个包含类别变量的数据集
data <- data.frame(x1 = factor(c("A", "B", "C", "A", "B", "C")), y = c(10, 20, 30, 15, 25, 35))

# 将x1转换为虚拟变量
dummy <- model.matrix(~ x1 - 1, data)

# 将虚拟变量和因变量组成一个新的数据集
newdata <- cbind(dummy, data$y)

# 建立线性回归模型
model <- lm(y ~ ., data = newdata)

# 查看模型结果
summary(model)

在上面的代码中，model.matrix()函数的参数是一个公式，~ x1 - 1表示将x1转换为虚拟变量，并且不包括截距项。最后，我们使用cbind()函数将虚拟变量和因变量组成一个新的数据集，然后使用lm()函数建立线性回归模型。