两种模型浮现在脑海中：收入可能来自每个演讲者的出席，或者可能来自演讲者的出席，由他们对事件的参与加权。在任何一种情况下，编码都是相似的：每个说话者对应一个变量，当说话者不参与时为零，当说话者参与时为零。在第一个模型中，当说话者参与事件时，变量的值将为 1，否则为 0。在第二个模型中，这些模型可能会先验地重新加权。

您可以尝试几种具有多种加权方案的模型，看看哪种方法效果最好：毕竟，这个问题有点探索性。

这给我们留下了编码模型的实际问题。为每个发言者创建一列很简单，但评论中表达的关注点与生成的公式表达式的长度和复杂性有关。幸运的是，可以动态创建公式。这是一个插图。首先，让我们创建一些模拟数据。每排至少有一个发言者，通常有两个或三个发言者：

set.seed(17)
n.records <- 1000
n.speakers <- 154
i <- c(rep(1,3), rep(0, n.speakers-2))
x.matrix <- sapply(1:n.records, function(j) sample(i, n.speakers))
x <- as.data.frame(t(x.matrix))

让我们将列命名为“Speaker1”、“Speaker2”等（并保留此名称列表以供以后使用）：

colnames(x) <- colnames <- lapply(1:n.speakers, function(i) sprintf("Speaker%d",i))

输入响应变量：

x$y <- rnorm(n.records)

让我们看看这个响应如何依赖于说话者数据。为此，我们根据之前保留的列名创建一个公式：

formula <- as.formula(paste("y ~", paste(colnames, collapse="+"))
fit <- lm(formula, data=x)
summary(fit)

没问题： R沉着应对这种长度的公式。扩展这个公式以包含其他变量很简单；例如，硬编码余数并将其粘贴到此计算公式的末尾。