回归模型二分类预测变量转换及female_minority变量生成咨询

转换逻辑：将原二水平变量的两个互斥取值，分别映射为"yes"和"no"即可，映射规则可根据回归参照组需求自定义，以下是常用数据分析工具的实现示例：

• R实现（以原变量名为raw_var，原取值为"a"/"b"为例）：

# 基础包实现
df$new_var <- ifelse(df$raw_var == "a", "yes", "no")
# dplyr包实现
library(dplyr)
df <- df %>% mutate(new_var = case_when(raw_var == "a" ~ "yes", TRUE ~ "no"))

• Python实现（pandas环境）：

df['new_var'] = df['raw_var'].apply(lambda x: 'yes' if x == 'a' else 'no')

• Stata实现：

gen new_var = "yes" if raw_var == "a"
replace new_var = "no" if raw_var == "b"

该变量为二分类交互项，仅当gender="female"且minority="yes"时赋值为1，其余场景赋值为0，实现示例如下：

• R实现：

# 基础包实现
df$female_minority <- ifelse(df$gender == "female" & df$minority == "yes", 1, 0)
# dplyr包实现
df <- df %>% mutate(female_minority = as.integer(gender == "female" & minority == "yes"))

• Python实现（pandas环境）：

df['female_minority'] = ((df['gender'] == 'female') & (df['minority'] == 'yes')).astype(int)

• Stata实现：

gen female_minority = 1 if gender == "female" & minority == "yes"
replace female_minority = 0 if female_minority == .

注意：生成变量后可直接代入你给出的回归模型使用，若所用回归工具要求分类变量为数值型，可将yes/no变量进一步转换为1/0的数值型变量，转换逻辑和上述交互项生成逻辑一致。

内容的提问来源于stack exchange，提问作者Kyle David Smith