我尝试使用glmer中lme4包的R函数在我的数据集上运行以下模型：
Approach ~ Group * Response * Stim.Type + Liking.Z + Age.Z + Context * Response + (1 | Subject)
Approach是二元结果（0或1）。 Stim.Type，Response和Group也有两个级别。 Context有三个。 Liking.Z和Age.Z是标量。
我注意到结果的变化取决于我设定为基线的解释因素的哪个级别。例如，Stim.Type有2个级别：食物和玩具。
如果我将玩具设为基线，结果为：
Fixed effects:
Estimate Std. Error z value Pr(>|z|)
(Intercept) 4.05414 0.20486 19.790 < 2e-16 ***
GroupBN -0.18099 0.22321 -0.811 0.417452
ResponseNogo -5.43113 0.19603 -27.706 < 2e-16 ***
Stim.TypeFood -0.37833 0.20156 -1.877 0.060524 .
Liking.Z 0.01095 0.03384 0.324 0.746277
Age.Z 0.11421 0.07117 1.605 0.108571
ContextNegative 0.04256 0.14357 0.296 0.766890
ContextPositive -0.09674 0.13877 -0.697 0.485729
GroupBN:ResponseNogo 0.25803 0.20319 1.270 0.204117
GroupBN:Stim.TypeFood 0.56902 0.24398 2.332 0.019689 *
ResponseNogo:Stim.TypeFood 0.80007 0.22715 3.522 0.000428 ***
ResponseNogo:ContextNegative -0.01536 0.16300 -0.094 0.924908
ResponseNogo:ContextPositive 0.10522 0.15920 0.661 0.508633
GroupBN:ResponseNogo:Stim.TypeFood -0.21836 0.27975 -0.781 0.435073
如果我将食物设定为基线，我会得到：
Fixed effects:
Estimate Std. Error z value Pr(>|z|)
(Intercept) 3.67496 0.19559 18.789 < 2e-16 ***
GroupBN 0.38862 0.22293 1.743 0.081290 .
ResponseNogo -4.63047 0.18366 -25.212 < 2e-16 ***
Stim.TypeToy 0.37880 0.20189 1.876 0.060621 .
Liking.Z 0.01092 0.03385 0.323 0.746933
Age.Z 0.11431 0.07120 1.606 0.108367
ContextNegative 0.04287 0.14366 0.298 0.765360
ContextPositive -0.09655 0.13886 -0.695 0.486872
GroupBN:ResponseNogo 0.03941 0.19967 0.197 0.843532
GroupBN:Stim.TypeToy -0.56957 0.24433 -2.331 0.019744 *
ResponseNogo:Stim.TypeToy -0.80069 0.22755 -3.519 0.000434 ***
ResponseNogo:ContextNegative -0.01578 0.16312 -0.097 0.922916
ResponseNogo:ContextPositive 0.10498 0.15930 0.659 0.509905
GroupBN:ResponseNogo:Stim.TypeToy 0.21898 0.28018 0.782 0.434471
对于某些交互效果，例如GroupBN:Stim.TypeFood或ResponseNogo:Stim.TypeFood效果几乎（但不完全）相同，但正如我所期望的那样反转。但是对于某些效果，特别是在模型中指定为交互的主要效果，如GroupBN和ResponseNogo，结果完全不同。
我想知道为什么结果会根据我在模型中指定因素水平的方式而改变？像GroupBN这样的东西的主要影响是仅在其他因素（不是我想到的）的基础水平内计算，还是在控制因类别差异引起的方差的类别（我认为）之间？如何最好地指定我的模型以确保我看到的效果在这里是真的？
感谢！