Интерпретация выходных данных .L & .Q из отрицательного биномиального GLM с категориальными данными

Я только что запустил отрицательный биномиальный GLM, и это вывод:

Call:
glm.nb(formula = small ~ method + site + depth, data = size.dat, 
    init.theta = 1.080668549, link = log)

Deviance Residuals: 
    Min       1Q   Median       3Q      Max  
-2.2452  -0.9973  -0.3028   0.3864   1.8727  

Coefficients:
            Estimate Std. Error z value Pr(>|z|)    
(Intercept)   1.6954     0.1152  14.720  < 2e-16 ***
method.L     -0.6828     0.1637  -4.171 3.04e-05 ***
site.L        0.9952     0.2050   4.854 1.21e-06 ***
site.Q       -0.4634     0.1941  -2.387    0.017 *  
depth.L       0.8951     0.1988   4.502 6.74e-06 ***
depth.Q       0.2060     0.1984   1.038    0.299    
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

(Dispersion parameter for Negative Binomial(1.0807) family taken to be 1)

    Null deviance: 185.1  on 89  degrees of freedom
Residual deviance: 100.8  on 84  degrees of freedom
AIC: 518.24

Мои предсказатели все категоричны. Вот почему я .Lи получаю .Q. Я предполагаю, что они представляют разные категории, но знает ли кто-нибудь код, который я мог бы использовать для маркировки их перед запуском GLM, чтобы вместо этого они отображались как разные категории?

Ваши переменные не просто кодируются как факторы (чтобы сделать их категоричными), они кодируются как упорядоченные факторы. Тогда по умолчанию R подгоняет ряд полиномиальных функций к уровням переменной. Первый - линейный ( .L), второй - квадратичный ( .Q), третий (если у вас достаточно уровней) будет кубическим и т. Д. R будет соответствовать на одну меньшую полиномиальную функцию, чем количество уровней в вашей переменной. Например, если у вас есть только два уровня, подойдет только линейный тренд. Кроме того, используемые базисы полиномов являются ортогональными. (Что бы ни стоило, ни одно из этого не относится к R - или к отрицательным биномиальным моделям - все программное обеспечение и типы регрессионных моделей будут делать то же самое.)

Концентрируясь конкретно на R, если вы хотите, чтобы ваши переменные были закодированы как упорядоченные или неупорядоченные, вы бы использовали ? Factor :

my.variable <- factor(my.variable, ordered=TRUE)   # an ordered factor
my.variable <- factor(my.variable, ordered=FALSE)  # an unordered factor