|
「飛哥灌水感言：」 ?在做GWAS分析時，雖然年份為2016,2017,2018，但是它并不是數(shù)值，而是因子！所以要將其作為協(xié)變量分析時，直接加進(jìn)去作為數(shù)值肯定是不行的，而是要將其轉(zhuǎn)化為虛擬變量（寧超大神的這篇博客介紹得很清楚：固定即回歸，固定因子可以轉(zhuǎn)化為回歸分析的變量，雖然寧大神不更新，我只能用這種方式催更了?。。’偪癜凳荆?。問題來了，如果多個因子，model.matrix函數(shù)只能一個一個的轉(zhuǎn)化，然后再合并，麻煩！這里推薦使用useful包的build.x，可以支持多個因子同時轉(zhuǎn)化，然后再放到GWAS模型中作為協(xié)變量就很666了。 ? 1. 背景在回歸分析時，有時候我們需要知道每個因子每個水平的回歸系數(shù)，這樣就需要將因子轉(zhuǎn)化為虛擬變量，R語言中有model.matrix進(jìn)行轉(zhuǎn)換，但是只能一個轉(zhuǎn)換一個因子，這里我們用R包useful，可以支持多個因子同時轉(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
 這里，Herd，Year，Sire都是因子，如果在構(gòu)建矩陣時，需要轉(zhuǎn)化為虛擬變量。
3. R中model.matrix轉(zhuǎn)化方法一個因子，一個因子的轉(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. 更簡單的方法# 簡單的方法
# install.packages("useful") # 如果沒有安裝useful這個包，運行這行命令進(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
# 簡單的方法
library(useful)
build.x(~Herd+Year-1,data=dat,contrasts = F)
6. 怎么樣，學(xué)會了么快來關(guān)注我吧！公眾號：育種數(shù)據(jù)分析之放飛自我
|
