在R中进行插补后的逻辑回归

Question

我尝试使用R中的glm实现对威斯康星州乳腺癌数据集进行逻辑回归。 我分析了数据集并发现wbc $ V7包含缺失值。 我使用Hmisc软件包填充了缺失值，并使用glm执行了逻辑回归。

wbc=read.csv(file="https://archive.ics.uci.edu/ml/machine-learning- 
databases/breast-cancer-wisconsin/breast-cancer-wisconsin.data",header = 
FALSE)
wbc[wbc=='?']=NA  #replacing '?' with NA
a=sapply(wbc,function(x) sum(is.na(x))) #analyse the number of NA in each column
print(a)
library(Hmisc)
wbc$V7=impute(wbc$V7,mode)  #impute missing values with mode in V7
wbc$V11[wbc$V11==2]=0; #V11 has either '2' or '4' as entries, replacing '2' with '0' and '4' with '1' 
wbc$V11[wbc$V11==4]=1;
model <- glm(V11~V2+V3+V4+V5+V6+V7+V8+V9+V10,family=binomial(),data=wbc) #

OUTPUT:


Call:  glm(formula = V11 ~ V2 + V3 + V4 + V5 + V6 + V7 + V8 + V9 + V10, 
family = binomial(), data = wbc)

Coefficients:
(Intercept)           V2           V3           V4           V5           V6          
V71         V710  
8.6625       0.4511      -0.1013       0.4842       0.2206       0.1684     
-18.7466     -14.8168  
V72          V73          V74          V75          V76          V77          
V78          V79  
-17.6684     -16.0272     -15.3552     -16.3765       0.7704     -16.2944     
-16.6171           NA  
V8           V9          V10  
0.5052       0.1144       0.4550  

Degrees of Freedom: 698 Total (i.e. Null);  681 Residual
Null Deviance:      900.5 
Residual Deviance: 102.9    AIC: 138.9

为什么输出包含V71、V710、V72、V73、V74、V75、V76、V77、V78和V79的系数，而wbc数据框只有V1、V2、V3、V4、V5、V6、V7、V8、V9和V10列？

- jefe23984

Answer 1

如果V7是一个因子，当应用glm时它可能会自动进行虚拟编码。这样，您将得到每个因子类别的一个系数。

- Joos Korstanje

---

将 V7 强制转换为数字，例如 wbc$V7 <- as.numeric(as.character(wbc$V7))，可以避免因因子变量而产生的虚拟编码。 - Daniel Fischer

即使是 wbc$V7=as.numeric(wbc$v7) 也能完成任务。 - jefe23984

有时候，我觉得在将因子强制转换为数字之前先将其转换为字符会更安全，这样实际顺序就不会改变... - Daniel Fischer

Answer 2

你应该将变量v7更改为数字，它现在是一个因子，所以您将获得列V7中所有值的结果。将其更改为数字将解决您的问题。

希望这能帮到你。

- Hunaidkhan