Question

如果我在回归中使用二进制解释变量，如何告诉R使用某个级别作为参考？

默认情况下只使用某种级别。

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

b {0, 1, 2, 3, 4}。假设我想使用3代替R使用的零

Answer 1

请参阅relevel()功能。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b函数更改DF中的因子relevel()：

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

其他人提到了relevel命令，如果您想要更改数据上所有分析的基本级别（或者愿意改变数据），那么这是最佳解决方案。

如果您不想更改数据（这是一次性更改，但将来您又需要默认行为），那么您可以使用C的组合（注意大写）用于设置对比的函数和具有基本参数的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 3

relevel()命令是您问题的简写方法。它的作用是对因子进行重新排序，以便首先是参考水平。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。也许你想要等级3,4,0,1,2。在那种情况下......

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

我更喜欢这种方法，因为我更容易在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：请勿将其设为有序因子。具有指定顺序和有序因子的因子不是一回事。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，但我遇到了类似问题并发现：

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

完全按照你的要求行事。

Answer 5

您还可以使用contrasts属性手动标记列，这似乎是回归函数所遵循的：

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

Answer 6

适用于寻找dplyr / tidyverse版本的用户。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)

如何强制R在回归中使用指定的因子级别作为参考？

6 个答案: