r语言 虚拟变量 分类变量

在R语言中，虚拟变量（dummy variable）通常用于处理分类变量（categorical variable）。

分类变量是指具有有限的、离散的取值集合的变量，例如性别（男/女）、婚姻状况（已婚/未婚/离异等）等。在建立回归模型时，需要将分类变量转化为虚拟变量进行处理，以便模型能够处理这些变量。

在R语言中，可以通过函数`factor()`将分类变量转化为有序或无序的因子（factor）。有序因子用于处理有序的分类变量，例如学历（小学/初中/高中/大学等）；无序因子用于处理无序的分类变量，例如性别（男/女）。

然后，可以使用函数`model.matrix()`将因子转化为虚拟变量矩阵。例如，对于一个有序因子`education`，可以使用以下代码将其转化为虚拟变量矩阵：

education <- factor(c("小学", "初中", "高中", "大学", "研究生"))
dummy <- model.matrix(~education)

最终得到的虚拟变量矩阵为：

  (Intercept) education初中 education大学 education小学 education研究生 education高中
1           1            0            0            1            0            0
2           1            1            0            0            0            0
3           1            0            0            0            0            1
4           1            0            1            0            0            0
5           1            0            0            0            1            0

其中，第一列为截距列，表示所有样本的基础信息。后面的列为虚拟变量，表示不同学历水平的样本。

需要注意的是，在使用虚拟变量时，需要将其中一个虚拟变量作为参照组，通常为取值最多的类别。在上述例子中，参照组为小学，因此当所有虚拟变量都为0时，表示该样本的学历为小学。