真实的国产乱ⅩXXX66竹夫人,五月香六月婷婷激情综合,亚洲日本VA一区二区三区,亚洲精品一区二区三区麻豆

GWAS分析中協(xié)變量的處理是怎樣的

本篇文章為大家展示了GWAS分析中協(xié)變量的處理是怎樣的，內(nèi)容簡(jiǎn)明扼要并且容易理解，絕對(duì)能使你眼前一亮，通過(guò)這篇文章的詳細(xì)介紹希望你能有所收獲。

創(chuàng)新互聯(lián)是網(wǎng)站建設(shè)技術(shù)企業(yè)，為成都企業(yè)提供專業(yè)的網(wǎng)站設(shè)計(jì)、成都網(wǎng)站制作，網(wǎng)站設(shè)計(jì)，網(wǎng)站制作，網(wǎng)站改版等技術(shù)服務(wù)。擁有十多年豐富建站經(jīng)驗(yàn)和眾多成功案例，為您定制適合企業(yè)的網(wǎng)站。十多年品質(zhì)，值得信賴！

1. 背景

在回歸分析時(shí)，有時(shí)候我們需要知道每個(gè)因子每個(gè)水平的回歸系數(shù)，這樣就需要將因子轉(zhuǎn)化為虛擬變量，R語(yǔ)言中有model.matrix進(jìn)行轉(zhuǎn)換，但是只能一個(gè)轉(zhuǎn)換一個(gè)因子，這里我們用R包useful，可以支持多個(gè)因子同時(shí)轉(zhuǎn)換。

2. 示例數(shù)據(jù)

Herd <- c(1,1,2,2,2,3,3,3,3)
Year = c(rep(c(2018,2019),each=4),2020)
Sire <- c("ZA","AD","BB","AD","AD","CC","CC","AD","AD")
Yield <- c(110,100,110,100,100,110,110,100,100)
dat <- data.frame(Herd,Year,Sire,Yield)
dat$Herd <- as.factor(dat$Herd)
dat$Year <- as.factor(dat$Year)
dat

GWAS分析中協(xié)變量的處理是怎樣的這里，Herd，Year，Sire都是因子，如果在構(gòu)建矩陣時(shí)，需要轉(zhuǎn)化為虛擬變量。

3. R中model.matrix轉(zhuǎn)化方法

一個(gè)因子，一個(gè)因子的轉(zhuǎn)化，然后進(jìn)行合并：

X1 = model.matrix(~Herd-1,data=dat)
X1

X2 = model.matrix(~Year-1,data=dat)
X2

X = cbind(X1,X2)
X

4. 更簡(jiǎn)單的方法

# 簡(jiǎn)單的方法
# install.packages("useful") # 如果沒(méi)有安裝useful這個(gè)包，運(yùn)行這行命令進(jìn)行安裝。
library(useful)
build.x(~Herd+Year-1,data=dat,contrasts = F)

5. 全部代碼

# 示例數(shù)據(jù)
Herd <- c(1,1,2,2,2,3,3,3,3)
Year = c(rep(c(2018,2019),each=4),2020)
Sire <- c("ZA","AD","BB","AD","AD","CC","CC","AD","AD")
Yield <- c(110,100,110,100,100,110,110,100,100)
dat <- data.frame(Herd,Year,Sire,Yield)
dat$Herd <- as.factor(dat$Herd)
dat$Year <- as.factor(dat$Year)
dat


# R中model.matrix
X1 = model.matrix(~Herd-1,data=dat)
X1

X2 = model.matrix(~Year-1,data=dat)
X2

X = cbind(X1,X2)
X


# 簡(jiǎn)單的方法
library(useful)
build.x(~Herd+Year-1,data=dat,contrasts = F)