为什么在建模时将数字转换成因子？

Question

我正在学习一个关于使用logistic回归建立模型的教程。在本教程中，具有数值数据类型和级别3的列被使用as.factor函数转换为因子。我想知道这种转变的原因。

Answer 1

如果以这种形式保留少量唯一值的类-“数值”向量，则逻辑回归，即glm( form, family="binomial", ...)，将返回一个系数。通常，这不是数据所支持的，所以本教程的作者建议将这些向量转换为因子，以便glm函数对分类值的默认处理。有可能这些作者已经知道了一个事实，即底层的数据收集过程已经用数字级别对分类数据进行了编码，并且数据输入过程没有“被告知”作为绝对处理。可以使用colClasses参数对使用的任何read.*函数执行此操作。

大多数R回归例程对因素的默认处理使用第一级作为基线(Intercept)估计的一部分，并估计其他每个级别的系数。如果你把这个向量作为数字，你就会得到一个估计，这个估计可以被解释为序数变量的作用的斜率。与顺序关系编码相关的统计测试通常被称为“趋势的线性检验”，当“真实世界”中的数据情况被解释为序数关系时，有时是有用的结果。