我有一个包含几个连续变量和四个分类变量的线性模型，每个变量分别由 12、3、4 和 5 个虚拟变量表示。当使用模型选择标准（例如 PRESS、Mallows Cp 和 BIC）时，每个标准返回的最佳模型仅包含每个分类变量的一些虚拟变量。据我了解，这不是一个好的做法，模型中必须包含所有或不包含任何假人。有没有办法让飞跃将每个分类变量的虚拟变量视为一个变量？
另外，可以将此方法扩展为与 glmnet 包一起使用吗？我对套索和岭回归有同样的问题。
编辑：有没有办法指定一个带有自变量子集的 lm 对象被视为一个对象？
regsubsets（包中的一个函数leaps也执行详尽的模型搜索）可以接受未拆分为虚拟变量的分类变量，因此，将它们视为变量组，这些变量要么全部是模型的一部分，要么不是模型的一部分。
例如，如果Year有级别2013, 2014 并且Treatment有级别，C,N,O我可以运行以下语句：
> search_output<-regsubsets(y~Year+Treatment,data=stats_df, method="exhaustive")
输出：
Subset selection object
Call: regsubsets.formula(mu_ln ~ Year + Treatment, data = SS_stats_df,
nbest = 1, method = "exhaustive")
3 Variables (and intercept)
Forced in Forced out
Year2014 FALSE FALSE
TreatmentN FALSE FALSE
TreatmentO FALSE FALSE
1 subsets of each size up to 3
Selection Algorithm: exhaustive
> summary(search_output)$which
(Intercept) Year2014 TreatmentN TreatmentO
1 TRUE FALSE TRUE FALSE
2 TRUE FALSE TRUE TRUE
3 TRUE TRUE TRUE TRUE
当遇到同样的问题时，我发现这篇文章非常有帮助（我的回答基本上是相关部分的缩写版本）： http ://rstudio-pubs-static.s3.amazonaws.com/2897_9220b21cfc0c43a396ff9abf122bb351.html
对于重新编码或转换为因子或重命名因子，这些帖子很有帮助： https ://stackoverflow.com/questions/5372896/recoding-variables-with-r http://www.cookbook-r.com/Manipulating_data/Recoding_data/