相关疑难解决方法(0)

从互斥的虚拟变量创建分类变量

我的问题是关于先前回答的关于将多个虚拟变量组合成单个分类变量的问题的详细说明.

在之前提出的问题中,分类变量是从非互斥的虚拟变量创建的.对于我的情况,我的虚拟变量是相互排斥的,因为它们代表了2X2主体间因子设计中的交叉实验条件(也有一个内部主题组件,我在这里没有解决),所以我不认为我做了interaction什么需要做.

例如,我的数据可能如下所示:

id   conditionA    conditionB    conditionC     conditionD
1    NA            1             NA             NA
2    1             NA            NA             NA
3    NA            NA            1              NA
4    NA            NA            NA             1
5    NA            2             NA             NA
6    2             NA            NA             NA
7    NA            NA            2              NA
8    NA            NA            NA             2
Run Code Online (Sandbox Code Playgroud)

我现在想制作结合ACROSS不同类型条件的分类变量.例如,具有条件A和B的值的人可能使用一个分类变量编码,并且具有条件C和D的值的人.

id   conditionA    conditionB    conditionC     conditionD  factor1    factor2
1    NA            1             NA             NA          1          NA
2    1             NA            NA             NA          1          NA
3    NA            NA            1              NA          NA …
Run Code Online (Sandbox Code Playgroud)

r categorical-data dummy-variable

9
推荐指数
1
解决办法
4553
查看次数

R中的单个分类变量(因子)的虚拟变量

我有一组编码为二项式的变量.

   Pre VALUE_1 VALUE_2 VALUE_3 VALUE_4 VALUE_5 VALUE_6 VALUE_7 VALUE_8 
1   1       0       0       0       0       0       1       0       0       
2   1       0       0       0       0       1       0       0       0       
3   1       0       0       0       0       1       0       0       0       
4   1       0       0       0       0       1       0       0       0           
Run Code Online (Sandbox Code Playgroud)

我想将变量(VALUE_1,VALUE_2 ... VALUE_8)合并为一个单独的有序因子,同时保留列(Pre),因为数据看起来像这样:

  Pre VALUE
1  1  VALUE_6
2  1  VALUE_5
3  1  VALUE_5
Run Code Online (Sandbox Code Playgroud)

甚至更好:

  Pre VALUE
1  1  6
2  1  5
3  1  5
Run Code Online (Sandbox Code Playgroud)

我知道这存在:将虚拟变量重新编码为有序因子

但是,当我尝试该帖子中使用的代码时,我收到以下错误:

PA2$Factor …
Run Code Online (Sandbox Code Playgroud)

r factors

6
推荐指数
1
解决办法
949
查看次数

标签 统计

r ×2

categorical-data ×1

dummy-variable ×1

factors ×1