如何将字符型性别变量转为数值型并让回归显示两类结果？

为什么回归只显示M的系数？ #

当你在lm()里使用字符型的gender变量时，R会自动把它转换为因子类型，并默认将其中一个水平设为「参考组」（通常是字母顺序靠前或数据中先出现的水平），回归结果只会输出非参考组的系数。你看到的截距其实是参考组（这里是F）的log(salary)均值，genderM的系数是M组相对F组的差值。

需求1：将M转为1、F转为2 #

两种简单实现方式：

• 方法一：用ifelse()直接映射

cleandata2$gender_num <- ifelse(cleandata2$gender == "M", 1, 2)

• 方法二：指定因子水平后转数值

# 设定M为第1个水平、F为第2个，再转换为数值型
cleandata2$gender_num <- as.numeric(factor(cleandata2$gender, levels = c("M", "F")))

需求2：让回归同时显示M和F的系数 #

要同时看到两组的系数，运行无截距项的回归模型即可，R会直接输出每个因子水平的均值：

# 使用data参数让代码更简洁规范
m0 <- lm(log(salary) ~ gender - 1, data = cleandata2)
summary(m0)

运行后结果会同时展示genderF和genderM的系数，分别对应两组的log(salary)平均水平。

另外建议：在lm()中优先使用data参数，而非直接用cleandata2$引用变量，这样输出的系数名称更整洁，代码可读性也更高。

内容的提问来源于stack exchange，提问作者liorse213