如何使用不均匀的间隔标准化间隔变量的单位更改？

Question

我正在R中构建OLS模型，并且遇到了一个方法论问题。该研究的主要独立变量是“城镇规模”，该变量已编码（在代码书中）为：

• 1.- 2,000以下
• 2.- 2,000-5,000
• 等

data$G_TOWNSIZE[data$G_TOWNSIZE == 1] <- "Under 2,000"
data$G_TOWNSIZE[data$G_TOWNSIZE == 2] <- "2,000-5,000"
data$G_TOWNSIZE[data$G_TOWNSIZE == 3] <- "5,000-10,000"
data$G_TOWNSIZE[data$G_TOWNSIZE == 4] <- "10,000-20,000"
data$G_TOWNSIZE[data$G_TOWNSIZE == 5] <- "20,000-50,000"
data$G_TOWNSIZE[data$G_TOWNSIZE == 6] <- "50,000-100,000"
data$G_TOWNSIZE[data$G_TOWNSIZE == 7] <- "100,000-500,000"
data$G_TOWNSIZE[data$G_TOWNSIZE == 8] <- "500,000 and more"

（此数据来自世界价值调查 - 浪潮7） 现在 - 我知道这确实是一个半分类变量。实际上，直到今天，上面的代码才作为我们回归的一部分。我们一直依靠比例1：8来测试线性关系。是的 - 对不起。我们现在知道这是错误的（哈哈）。

我们想研究政治参与是人口密度的函数的程度。我们所有的因变量都是分类变量。在以下模型中，Q221R是自我报告的投票趋势，我们已重新编码为：

data$Q221R[data$Q221 == 1] <- 3
data$Q221R[data$Q221 == 2] <- 2
data$Q221R[data$Q221 == 3] <- 1

• 1. 从不
• 1. 通常
• 1. 总是

model6 <- lm(Q221R ~ G_TOWNSIZE + Q262 + Q260 + Q240FR + Q275 + Q288R, data=GER)

基于我们的文献综述，我们希望会有线性关系。的确，即使我们对G_Townsize的使用方式变得多么混乱，我们在测试该子集（德国）时也会观察到相关性。但是在城镇规模上观察到的单位变化显然是任意的。

有没有办法重新编码或重量重量的城镇规模，以便生活在“ 1”城镇与生活在“ 2”城镇中的变化实际上是有道理的？数据模型不包括人口密度的其他变量，它超出了我们项目的范围，可以将每个受访者的大地数据与各自城镇的大地数据匹配，以便找出实际人口。假设我们在智力上有能力进行数学 - 我保证我们可以做到。我们只是统计的新手。非常感谢。

Answer 1

我在此处搁置回归模型的适当性，但是我认为最统计的方法是将g_townSize转换为因子变量，然后将其包括在内。 as_factor或as.factor功能将执行此操作。