如何强制 R 在回归中使用指定的因子水平作为参考？

Question

如果我在回归中使用二元解释变量，我如何告诉 R 使用某个水平作为参考？

默认情况下它只是使用一些级别。

lm(x ~ y + as.factor(b)) 

b {0, 1, 2, 3, 4}。假设我想使用 3 而不是 R 使用的零。

Answer 1

对于那些正在寻找 dplyr/tidyverse 版本的人。以 Gavin Simpson 解决方案为基础：

# Create DF
set.seed(123)
x <- rnorm(100)
DF <- data.frame(x = x,
                 y = 4 + (1.5*x) + rnorm(100, sd = 2),
                 b = gl(5, 20))

# Change reference level
DF = DF %>% mutate(b = relevel(b, 3))

m2 <- lm(y ~ x + b, data = DF)
summary(m2)

Answer 2

其他人提到了relevel 命令，如果您想更改所有数据分析的基础级别（或愿意接受更改数据），这是最好的解决方案。

如果您不想更改数据（这是一次性更改，但将来您希望再次使用默认行为），那么您可以使用C（注意大写）函数的组合来使用 base 参数设置对比和 contr.treatments 函数，用于选择要作为基线的级别。

例如：

lm( Sepal.Width ~ C(Species,contr.treatment(3, base=2)), data=iris )

Answer 3

relevel() 命令是您问题的速记方法。它所做的是重新排序因子，以便首先是参考级别。因此，重新排序您的因子水平也会产生相同的效果，但会给您更多的控制权。也许你想有级别 3,4,0,1,2。那样的话……

bFactor <- factor(b, levels = c(3,4,0,1,2))

我更喜欢这种方法，因为我更容易在我的代码中看到引用的内容以及其他值的位置（而不是必须查看结果）。

注意：不要将其设为有序因子。具有指定顺序的因子和有序因子不是一回事。如果你这样做，lm() 可能会开始认为你想要多项式对比。

Answer 4

我知道这是一个老问题，但我有一个类似的问题，发现：

lm(x ~ y + relevel(b, ref = "3")) 

完全按照你的要求去做。

Answer 5

您还可以使用contrasts 属性手动标记列，这似乎受到回归函数的尊重：

contrasts(df$factorcol) <- contr.treatment(levels(df$factorcol),
   base=which(levels(df$factorcol) == 'RefLevel'))

Answer 6

请参阅relevel() 函数。这是一个例子：

set.seed(123)
x <- rnorm(100)
DF <- data.frame(x = x,
                 y = 4 + (1.5*x) + rnorm(100, sd = 2),
                 b = gl(5, 20))
head(DF)
str(DF)

m1 <- lm(y ~ x + b, data = DF)
summary(m1)

现在使用 relevel() 函数更改 DF 中的因子 b：

DF <- within(DF, b <- relevel(b, ref = 3))
m2 <- lm(y ~ x + b, data = DF)
summary(m2)

模型估计了不同的参考水平。

> coef(m1)
(Intercept)           x          b2          b3          b4          b5 
  3.2903239   1.4358520   0.6296896   0.3698343   1.0357633   0.4666219 
> coef(m2)
(Intercept)           x          b1          b2          b4          b5 
 3.66015826  1.43585196 -0.36983433  0.25985529  0.66592898  0.09678759