如何强制 R 使用指定的因子水平作为回归中的参考？

Question

如果我在回归中使用二元解释变量，如何告诉 R 使用某个水平作为参考？

它只是默认使用某个级别。

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

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

Answer 1

请参阅relevel() 函数。下面是一个示例：

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

Answer 2

我知道这是一个老问题，但我遇到了类似的问题并发现：

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

完全按照您的要求进行。

Answer 3

其他人提到了relevel命令，如果您想更改数据所有分析的基本级别（或者愿意接受更改数据），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 的组合（注意大写）设置对比度的函数和带有基本参数的 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 4

relevel() 命令是您问题的速记方法。它的作用是对因子进行重新排序，以便将参考电平放在第一位。因此，重新排序因子水平也会产生相同的效果，但会给您更多的控制权。也许您想要级别 3、4、0、1、2。在这种情况下......

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

我更喜欢这种方法，因为我在代码中不仅可以更轻松地看到引用是什么，还可以看到其他值的位置（而不必查看结果）。

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同一件事。如果您这样做，lm() 可能会开始认为您需要多项式对比。

Answer 5

您还可以使用 contrasts 属性手动标记该列，回归函数似乎会考虑该属性：

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

Answer 6

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

# 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)