Как заставить R использовать указанный факторный уровень в качестве ссылки в регрессии?

Как я могу сказать R использовать определенный уровень в качестве эталона, если я использую двоичные независимые переменные в регрессии?

Просто по умолчанию используется какой-то уровень.

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

с b {0, 1, 2, 3, 4}. Скажем, я хочу использовать 3 вместо нуля, который используется R.

Смотрите relevel()функцию. Вот пример:

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)

Теперь изменим фактор bв DFпри использовании relevel()функции:

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

Модели оценили различные референтные уровни.

> 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

Другие упомянули relevelкоманду, которая является лучшим решением, если вы хотите изменить базовый уровень для всех анализов ваших данных (или готовы жить с изменением данных).

Если вы не хотите изменять данные (это однократное изменение, но в будущем вам снова понадобится поведение по умолчанию), вы можете использовать комбинацию функции C(обратите внимание на верхний регистр) для установки контрастов и contr.treatmentsфункции с базовый аргумент для выбора, какой уровень вы хотите использовать в качестве базового.

Например:

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

Команда relevel()- это сокращенный метод ответа на ваш вопрос. Что он делает, так это переупорядочивает множитель так, чтобы первым был уровень ссылки. Следовательно, изменение порядка уровней факторов также будет иметь тот же эффект, но даст вам больше контроля. Возможно, вы хотели иметь уровни 3,4,0,1,2. В таком случае...

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

Я предпочитаю этот метод, потому что мне легче увидеть в моем коде не только ссылку, но и положение других значений (вместо того, чтобы смотреть на результаты для этого).

ПРИМЕЧАНИЕ: НЕ делайте это упорядоченным фактором. Фактор с указанным порядком и упорядоченный коэффициент - это не одно и то же. lm()может начать думать, что вам нужны полиномиальные контрасты, если вы это сделаете.

Я знаю, что это старый вопрос, но у меня была аналогичная проблема, и я обнаружил, что:

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

делает именно то, что вы просили.

Вы также можете вручную пометить столбец contrastsатрибутом, который, похоже, соблюдается функциями регрессии:

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

Для тех, кто ищет версию dplyr / tidyverse. Основываясь на решении Гэвина Симпсона:

# 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)