重回帰分析のデータ型について

Question

https://archive.ics.uci.edu/ml/datasets/bank+marketing にあるポルトガル銀行のダイレクトマーケティングの結果のデータをRの重回帰分析にかけてsummaryをとろうとしているのですが、エラーが発生しているようでどうやっても偏回帰係数しか表示されませんでした。使ったコードは下記です。

data=read.csv('homework_data/bank_marketing_train.csv')
head(data)
sapply(data,class)
summary(data)
dim(data)

data=data[,-11]
mymodel=lm(y~.,data)
summary(mymodel)

sapplyの行で表示されたデータ型の種類は、integer(4),numeric(5),factor(11)です。ここに原因がありそうですが、調べてもよくわかりませんでした。

エラーメッセージは下記のとおりです。

mymodel=lm(y~.,data)
Warning messages:
1: In model.response(mf, "numeric") :
因子応答対する type = "numeric" の使用は無視されます
2: In Ops.factor(y, z$residuals) : ‘-’ not meaningful for factors

summary(mymodel)
Call:
lm(formula = y ~ ., data = data)
Residuals:
Error in quantile.default(resid) : factors are not allowed
In addition: Warning message:
In Ops.factor(r, 2) : ‘^’ は因子に対しては無意味です

また単にlm(y~.,data)だけだと、各説明変数の偏回帰係数のみが表示されます。

多分基本的なことがわかっていないのだと思うのですが、何がいけないのでしょうか。

Answer 1

私は回帰分析に詳しいわけではなく、対象データの意味するところについても知見を持たないので、あくまでもプログラミングレベルの話に限定した回答になります。
エラーが出ている直接的な原因は、lm()の実行において目的変数とされているyがfactorになっていることではないでしょうか。

試しに次のようにするとエラーは出なくなります。

y.num <- as.numeric(data$y)
data[,"y.num"] <- y.num
lm(y.num~., data)

エラーは出ませんが統計的に意味がある操作になっているかどうかは私には判断しかねます。ざっとググったところでは、重回帰分析の対象は正規分布に従う連続値データでないと意味がないみたいな記事が見つかりますが……。

Comments

[jun.k]

ありがとうございました!。上記設定で解決しました。説明変数はfactor型でも大丈夫だったので目的変数まで考えが及びませんでした。