全文鏈接：http://tecdat.cn/?p=23170?

我們被要求在本周提供一個報告，該報告將結(jié)合回歸，虛擬變量等數(shù)值方法

在本文中，本文與以下兩個問題有關(guān)。你應(yīng)該如何添加虛擬變量？你應(yīng)該如何解釋結(jié)果

簡介

如果使用一個例子，我們可能會更容易理解這些問題。

數(shù)據(jù)

假設(shè)我們想研究工資是如何由教育、經(jīng)驗和某人是否擔任管理職務(wù)決定的。假設(shè)

• 每個人都從年薪4萬開始。

• 實踐出真知。每增加一年的經(jīng)驗，工資就增加5千。

• 你學得越多，你的收入就越多。高中、大學和博士的年薪增長分別為0、10k和20k。

• 海面平靜時，任何人都可以掌舵。對于擔任管理職位的人，要多付20k。

• 天生就是偉大的領(lǐng)導者。對于那些只上過高中卻擔任管理職位的人，多給他們3萬。

• 隨機因素會影響工資，平均值為0，標準差為5千。

下面是部分數(shù)據(jù)和摘要。

繪制數(shù)據(jù)

有和沒有管理職位的人的工資和教育之間的關(guān)系。

?jitter(alpha=0.25,color=colpla[4])+ ??facet_wrap(~管理職位)+boxplot(color=colpla[2])

有管理職位和沒有管理職位的人的工資和經(jīng)驗之間的關(guān)系，以教育為基礎(chǔ)。

點擊標題查閱往期內(nèi)容

線性回歸和時間序列分析北京房價影響因素可視化案例

左右滑動查看更多

01

02

03

04

?stat_smooth(method?=?"lm")+ ??facet_wrap(~管理職位)

回歸分析

忽略教育和管理之間的相互作用

我們只將工資與教育、經(jīng)驗和管理職位進行回歸。其結(jié)果是?

雖然這些參數(shù)在統(tǒng)計學上是有意義的，但這并沒有任何意義。與高中相比，大學學歷怎么可能使你的工資減少5105？

正確的模型應(yīng)該包括教育和管理職位的交互項。

添加教育和管理之間的交互作用

現(xiàn)在，讓我們添加教育和管理之間的交互項，看看會發(fā)生什么。

對結(jié)果的解釋

現(xiàn)在的結(jié)果是有意義的。

• 截距為40137（接近4萬）是基本保障收入。

• 教育的基數(shù)是高中。與高中相比，大學教育可以平均增加9833元（接近1萬）的工資。與高中相比，博士教育可以增加19895元（接近2萬）的工資。

• 多一年的工作經(jīng)驗可以使工資增加4983元（接近5千）。

• 擔任管理職位的高中畢業(yè)生有49695元的溢價（接近5萬）。這些人是天生的領(lǐng)導者。

• 與擔任管理職位的高中畢業(yè)生相比，擔任管理職位的大學畢業(yè)生的溢價減少了29965.51至29571（49735.74-29965.51，接近2萬）。

• 與高中畢業(yè)生擔任管理職位相比，博士畢業(yè)生擔任管理職位的溢價減少了29501至19952.87（接近2萬）。另外，你可以說管理職位產(chǎn)生了20K的基本溢價，而不考慮教育水平。除了這2萬外，高中畢業(yè)生還能得到3萬，使總溢價增加到5萬。

檢驗是否違反了模型的假設(shè)

為了使我們的模型有效，我們需要滿足一些假設(shè)。

• 誤差應(yīng)該遵循正態(tài)分布

正態(tài)Q-Q圖看起來是線性的。所以這個假設(shè)得到了滿足。

• 沒有自相關(guān)

D-W檢驗值為1.8878，接近2，因此，這個假設(shè)也滿足。

• 沒有多重共線性

預測變量edu、exp和mngt的VIF值均小于5，因此滿足這一假設(shè)。

用數(shù)據(jù)的子集進行回歸

你可以通過用一個數(shù)據(jù)子集運行模型來獲得同樣的結(jié)果。你可以將數(shù)據(jù)按教育程度分成子集，并在每個子集上運行回歸模型，而不是使用一個教育的虛擬變量。

如果只用高中生的數(shù)據(jù)，你會得到這樣的結(jié)果。

sub<-d?%>%? +???filter(教育=="高中")

僅憑大學生的數(shù)據(jù)，你就能得到這個結(jié)果。

只用來自博士生的數(shù)據(jù)，你會得到這個結(jié)果。

點擊文末?“閱讀原文”

獲取全文完整代碼數(shù)據(jù)資料。

本文選自《R語言使用虛擬變量(Dummy Variables) 回歸分析工資影響因素》。

點擊標題查閱往期內(nèi)容

Python用RNN神經(jīng)網(wǎng)絡(luò)：LSTM、GRU、回歸和ARIMA對COVID19新冠疫情人數(shù)時間序列預測
非線性回歸nls探索分析河流階段性流量數(shù)據(jù)和評級曲線、流量預測可視化
非線性回歸beta系數(shù)估算股票市場的風險分析亞馬遜股票和構(gòu)建投資組合
R語言因子實驗設(shè)計nlme擬合非線性混合模型分析有機農(nóng)業(yè)施氮水平
R語言非線性混合效應(yīng) NLME模型(固定效應(yīng)&隨機效應(yīng))對抗哮喘藥物茶堿動力學研究
Python用T-SNE非線性降維技術(shù)擬合和可視化高維數(shù)據(jù)iris鳶尾花、MNIST 數(shù)據(jù)
R語言nlme、nlmer、lme4用（非）線性混合模型non-linear mixed model分析藻類數(shù)據(jù)實例
Python中的多項式回歸擬合非線性關(guān)系實例
使用R語言進行多項式回歸、非線性回歸模型曲線擬合
R語言多項式回歸擬合非線性關(guān)系
R語言里的非線性模型：多項式回歸、局部樣條、平滑樣條、 廣義相加模型GAM分析
R語言自適應(yīng)LASSO 多項式回歸、二元邏輯回歸和嶺回歸應(yīng)用分析
R語言ISLR工資數(shù)據(jù)進行多項式回歸和樣條回歸分析
R語言中的多項式回歸、局部回歸、核平滑和平滑樣條回歸模型
R語言多項式線性模型：最大似然估計二次曲線
R語言廣義線性模型GLM、多項式回歸和廣義可加模型GAM預測泰坦尼克號幸存者
R語言中的多項式回歸、B樣條曲線(B-spline Curves)回歸
R語言用多項式回歸和ARIMA模型預測電力負荷時間序列數(shù)據(jù)
R語言機器學習實戰(zhàn)之多項式回歸