如何在R中用两个二元变量创建四取值分类变量用于多分类logit回归

下面针对不同统计分析工具，提供将RESMETRO和JOBMETRO两个二元变量组合为四分类变量的具体实现方法，生成的变量可直接用于多分类logit回归模型：

R语言实现 #

方法1：自动生成分类（快速便捷） #

利用interaction函数直接组合两个变量，自动生成包含四种组合的分类变量：

# 生成组合分类变量
df$LOCATION <- interaction(df$RESMETRO, df$JOBMETRO, sep = "_")
# 转换为因子类型（多分类回归要求因变量为因子）
df$LOCATION <- as.factor(df$LOCATION)

方法2：手动定义类别名称（更直观） #

通过case_when自定义每个组合对应的类别标签：

library(dplyr)

df$LOCATION <- case_when(
  df$RESMETRO == TRUE & df$JOBMETRO == TRUE ~ "居住且工作在大都市区",
  df$RESMETRO == TRUE & df$JOBMETRO == FALSE ~ "居住在大都市区，工作在非大都市区",
  df$RESMETRO == FALSE & df$JOBMETRO == TRUE ~ "居住在非大都市区，工作在大都市区",
  df$RESMETRO == FALSE & df$JOBMETRO == FALSE ~ "居住且工作在非大都市区"
)
# 转换为因子类型
df$LOCATION <- as.factor(df$LOCATION)

Stata实现 #

方法1：自动分组生成变量 #

使用egen group命令快速生成分类变量，再添加标签：

* 生成四分类变量
egen LOCATION = group(RESMETRO JOBMETRO)
* 定义类别标签
label define loc_label 1 "居住且工作在大都市区" 2 "居住在大都市区，工作在非大都市区" 3 "居住在非大都市区，工作在大都市区" 4 "居住且工作在非大都市区"
* 为变量绑定标签
label values LOCATION loc_label

方法2：手动赋值分类 #

通过条件判断逐个赋值：

* 初始化变量
gen LOCATION = .
* 按组合赋值
replace LOCATION = 1 if RESMETRO == 1 & JOBMETRO == 1
replace LOCATION = 2 if RESMETRO == 1 & JOBMETRO == 0
replace LOCATION = 3 if RESMETRO == 0 & JOBMETRO == 1
replace LOCATION = 4 if RESMETRO == 0 & JOBMETRO == 0
* 添加类别标签
label define loc_label 1 "居住且工作在大都市区" 2 "居住在大都市区，工作在非大都市区" 3 "居住在非大都市区，工作在大都市区" 4 "居住且工作在非大都市区"
label values LOCATION loc_label

Python（Pandas）实现 #

使用np.select根据条件生成自定义标签的分类变量：

import pandas as pd
import numpy as np

# 定义四种组合的条件
conditions = [
    (df['RESMETRO'] == True) & (df['JOBMETRO'] == True),
    (df['RESMETRO'] == True) & (df['JOBMETRO'] == False),
    (df['RESMETRO'] == False) & (df['JOBMETRO'] == True),
    (df['RESMETRO'] == False) & (df['JOBMETRO'] == False)
]
# 对应每个条件的类别标签
choices = [
    "居住且工作在大都市区",
    "居住在大都市区，工作在非大都市区",
    "居住在非大都市区，工作在大都市区",
    "居住且工作在非大都市区"
]

# 生成分类变量
df['LOCATION'] = np.select(conditions, choices)
# 转换为分类类型
df['LOCATION'] = df['LOCATION'].astype('category')

内容的提问来源于stack exchange，提问作者Ricardo Gomez