/ / Tworzenie szczegółowych równań regresji liniowej z większego równania za pomocą R - r, regresja liniowa

Tworzenie określonych równań regresji liniowej z większego równania z wykorzystaniem R - r, regresja liniowa

tutaj jest próbka moich danych, które można znaleźć pod tym linkiem: http://www.uwyo.edu/crawford/datasets/drugreactions.txt wprowadź opis obrazu tutaj

Zrobiłem to równanie dla danych

    fit2 <- lm(Allergens~Gender*Race*Druglevel, data=dr)

Co mi to wypluło

wprowadź opis obrazu tutaj

Wiem, jak zmienić kolejność danych, aby uzyskać czarną linię bazową dla mężczyzn

    dr$Race<-factor(dr$Race,levels=c("Black","Latino","Indian","Asian","NativeAmerican","Whit e"))
dr$Gender<-factor(dr$Gender,levels=c("Male","Female"))
newfit <- lm(Allergens~Gender*Race, data=dr)

Chcę jednak, aby móc wyjąć pewne współczynniki. Załóżmy na przykład, że chcę, aby białe i czarne kobiety były w modelu, zamiast wszystkich innych kategorii. próbowałem

    whitefit <- lm(Allergens~(Gender="Male"), data=dr)

Ale dostał błąd z powodu nierównych rzędów między alergenami i gdzie płeć jest równa płci męskiej.

Idealnie chciałbym znaleźć sposób na wybranie dowolnej kategorii, aby całkowicie dostosować model i wydobyć rzeczy dla prostoty. Na przykład wyjęcie Indian z powyższego modelu.

Odpowiedzi:

2 dla odpowiedzi № 1

Musisz przesłać dane przez indeksowanie lub używając subsetfunkcjonować:

dr <- read.table("http://www.uwyo.edu/crawford/datasets/drugreactions.txt",
header=TRUE, stringsAsFactors = TRUE)

# Example excluding Indians:
newfit <- lm(Allergens ~ Gender * Race, data = subset(dr, subset = Race != "indian"))

# Example using only White Males and Black Females
wmbf.fit <- lm(Allergens ~ Gender * Race,
data = subset(dr, subset = (Race == "White" & Gender == "Male") |
(Race == "Black" & Gender == "Female")))

Jednak jeśli chcesz wykluczyć płeć w ogóle, będziesz musiał zmienić swoją formułę, aby wykluczyć płeć, ponieważ wszystkie obserwacje będą miały tę samą wartość dla płci i dlatego ta zmienna nie może wnieść wkładu do modelu.