带分类变量的回归

问题描述

我想使用分类变量来实现回归。我有这样的数据集：

item_id    rating     gender
1            4          F
2            3          M
3            2          M

model = ols("rating ~ C(gender) + genre",data = data).fit()

输出：

========================================================================================
                           coef    std err          t      P>|t|      [0.025      0.975]
----------------------------------------------------------------------------------------
Intercept                3.5175      0.012    295.935      0.000       3.494       3.541
C(gender)[T.M]          -0.0021      0.008     -0.257      0.797      -0.018       0.014
genre[T.Adventure]      -0.0275      0.017     -1.622      0.105      -0.061       0.006
genre[T.Animation]       0.0064      0.027      0.240      0.810      -0.046       0.058
genre[T.Childrens]       0.0134      0.020      0.657      0.511      -0.027       0.054
genre[T.Comedy]          0.0293      0.014      2.130      0.033       0.002       0.056

尽管这给出了正确的输出，但它仅给出了总体上性别之间的交互作用，我希望分别针对每种性别进行交互，以便了解女性和男性之间的交互作用。

我已尝试像对类别变量那样对性别进行编码：

item_id    rating     gender
1            4          0
2            3          1
3            2          1

但它仍然无法提供所需的输出。

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）