如何将生成的十分位转换为可用于logit模型分析的变量？

1. 基于分位数生成带标签的十分位变量 #

假设你的数据框为df，用于划分十分位的核心变量为x，可以结合quantile和dplyr生成可直接调用的分组变量：

library(dplyr)

# 计算x的十分位分位数，忽略缺失值
x_quantiles <- quantile(df$x, probs = seq(0, 1, 1/10), na.rm = TRUE)

# 生成带明确标签的十分位分组变量
df <- df %>%
  mutate(
    decile = cut(
      x,
      breaks = x_quantiles,
      include.lowest = TRUE,  # 确保最小值被纳入第一个分组
      labels = paste0("decile_", 1:10)  # 自定义分组名称，如decile_1到decile_10
    )
  )

生成的decile是因子变量，可直接用于后续分析，比如按十分位分组统计因变量特征：

# 假设因变量为y，按十分位分组计算均值和样本量
df %>%
  group_by(decile) %>%
  summarise(avg_y = mean(y, na.rm = TRUE), obs_count = n())

2. 生成独立的十分位哑变量（可选） #

如果需要将每个十分位作为单独的变量（比如在logit模型中引入分组效应），可以用fastDummies包生成二进制哑变量：

library(fastDummies)

# 基于decile变量生成10个独立哑变量
df <- df %>%
  dummy_cols(
    select_columns = "decile",
    remove_selected_columns = FALSE  # 保留原decile变量
  )

执行后会新增decile_decile_1到decile_decile_10共10个变量，每个变量取值为1（属于该分组）或0（不属于），可直接在模型中调用：

# 包含十分位哑变量的logit模型（以decile_1为基准组）
logit_model <- glm(y ~ decile_decile_2 + decile_decile_3 + ... + decile_decile_10, 
                   data = df, family = binomial())

特殊情况处理 #

• 若x存在大量重复值导致分位数重复，cut可能报错，可先去重分位数再分组：

  unique_quantiles <- unique(x_quantiles)
  df <- df %>%
    mutate(
      decile = cut(
        x,
        breaks = unique_quantiles,
        include.lowest = TRUE,
        labels = paste0("decile_", 1:(length(unique_quantiles)-1))
      )
    )
  

• 若无需严格按数值分位数，仅需按样本量均分十分位，可直接用ntile：

  df <- df %>%
    mutate(decile = paste0("decile_", ntile(x, 10)))
  

内容的提问来源于stack exchange，提问作者StMatthias