Question

我正在编写一个接受full和reduced glm对象的函数来汇总感兴趣的变量varofint和互动变量{{的互动结果1}}（通过在interaction_var对象上执行lrtest并使用svycontrast来为full的每个级别提取varofint的结果。样本数据：

interaction_var

我想知道为所述（x <- data.frame(outcome=rbinom(100,1,.3),varofint=rnorm(100), interaction_var=sample(letters[1:3],100,replace=TRUE)) reduced <- glm(outcome~varofint+interaction_var,data=x) full <- glm(outcome~varofint*interaction_var,data=x)）glm模型提取参考类别的最佳方法。我显然可以做类似

的事情

full

但是在给定levels(full$data$interaction_var)[1]参数的输入的情况下，这是一个“安全”方法来提取引用类别吗？看起来，考虑到选择SAS对比度的选项，此方法可以产生contrasts级别，而不是在模型中用作参考类别的级别。以下会更安全吗？

interactionv_var

或类似地

mf <- model.frame(full)
setdiff(rownames(contrasts(mf[, "interaction_var"])), colnames(contrasts(mf[, "interaction_var"])))

我是否错过了提取引用类别的简单方法？

Answer 1

有点晚，但是dummy.coef()可以工作...输出中每个变量元素的第一个值是参考类别。

# R 4.0.0 data.frame() does not produce factors
x <- data.frame(
  outcome = rbinom(100, 1, .3),
  varofint = rnorm(100),
  interaction_var = sample(letters[1:3], 100, replace = TRUE),
  stringsAsFactors = TRUE
)
reduced <- glm(outcome ~ varofint + interaction_var, data = x)
full <- glm(outcome ~ varofint * interaction_var, data = x)

d <- dummy.coef(full)
d
# Full coefficients are 
#                                                                 
# (Intercept):                    0.310136                        
# varofint:                    -0.07247677                        
# interaction_var:                       a           b           c
#                               0.00000000  0.07017833 -0.05891015
# varofint:interaction_var:              a           b           c
#                               0.00000000 -0.14824179 -0.04123618

d$interaction_var
#           a           b           c 
#  0.00000000  0.07017833 -0.05891015 
d$interaction_var[1]
# a 
# 0 
names(d$interaction_var[1])
# [1] "a"

Answer 2

以下是此任务的功能：

refCat <- function(model, var) {
  cs <- attr(model.matrix(model), "contrasts")[[var]]
  if (is.character(cs)) {
    if (cs == "contr.treatment")
      ref <- 1
    else stop("No treatment contrast")
  }  
  else {
    zeroes <- !cs
    ones <- cs == 1
    stopifnot(all(zeroes | ones))
    cos <- colSums(ones)
    stopifnot(all(cos == 1))
    ros <- rowSums(ones)
    stopifnot(sum(!ros) == 1 && sum(ros) != ncol(cs))
    ref <- which(!ros)
  }
  return(levels(model$data[[var]])[ref])  
}

如果变量var未表示为治疗对比，则该函数将停止。

示例：

refCat(reduced, "interaction_var")
# [1] "a"
refCat(full, "interaction_var")
# [1] "a"

从glm模型中提取参考类别的最佳方法？

2 个答案: