Julia对比度编码

Question

难以为回归中的分类变量分配自定义对比。看起来，我们可以使用EffectsCoding或DummyCoding参数指定contrast。

    model = fit!(lmm(@formula(response ~ 1 + factor + (1|sub)), data, 
             contrasts = Dict(:factor => EffectsCoding()) ))

但是如何分配习惯对比呢？

例如，在R中我可以做到

contrasts(data$factor) <- cbind("A_vs_B"= c(0.5, -0.5, 0), "AB_vs_C"= c(-0.25, -0.25, 0.5))

> contrasts(data$factor)
       A_vs_B   AB_vs_C
A        0.5     -0.25
B       -0.5     -0.25
C        0.0      0.50

Answer 1

除了EffectsCoding()之外，DataFrames还支持其他对比度规范。通常，您可以为k类提供一个对比度矩阵(大小为k-by-(k-1) )，例如在R中：

using RDatasets        # install with Pkg.add("RDatasets")
using MixedModels      # install with Pkg.add("MixedModels")

iris = dataset("datasets", "iris")

contrast_matrix = [0.5 -0.25; -0.5 -0.25; 0.0 0.5]
fit!(lmm(@formula(SepalLength ~ 1 + Species + (1|PetalWidth)), iris, 
  contrasts = Dict(:Species => ContrastsCoding(contrast_matrix)) ))

问题中的具体对比矩阵实际上是特定类别排序的Helmert编码矩阵。在这种情况下，这样做更简单：

fit!(lmm(@formula(SepalLength ~ 1 + Species + (1|PetalWidth)), iris, 
  contrasts = Dict(:Species => HelmertCoding()) ))

HelmertCoding还采用可选参数base和levels (未命名，参见docs)来切换类别顺序。

希望这会有所帮助，因为实际的代码在我的v0.7 Julia上出现了一些问题，但是在v0.5上它应该可以工作。