Wie kann man R zwingen, eine bestimmte Faktorstufe als Referenz in einer Regression zu verwenden?

Wie kann ich R anweisen, eine bestimmte Ebene als Referenz zu verwenden, wenn ich binäre erklärende Variablen in einer Regression verwende?

Standardmäßig wird nur ein Level verwendet.

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

mit b {0, 1, 2, 3, 4}. Angenommen, ich möchte 3 anstelle der von R verwendeten Null verwenden.

Siehe die relevel()Funktion. Hier ist ein Beispiel:

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)

Nun ändern Sie den Faktor bin DFdurch die Verwendung der relevel()Funktion:

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

Die Modelle haben unterschiedliche Referenzwerte geschätzt.

> 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

Andere haben den relevelBefehl erwähnt, der die beste Lösung ist, wenn Sie die Basisebene für alle Analysen Ihrer Daten ändern möchten (oder bereit sind, mit dem Ändern der Daten zu leben).

Wenn Sie die Daten nicht ändern möchten (dies ist eine einmalige Änderung, aber in Zukunft möchten Sie wieder das Standardverhalten), können Sie eine Kombination der CFunktion (Großbuchstaben beachten) verwenden, um Kontraste und die contr.treatmentsFunktion mit festzulegen Das Basisargument für die Auswahl der Ebene, die Sie als Basis verwenden möchten.

Beispielsweise:

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

Der relevel()Befehl ist eine Kurzmethode für Ihre Frage. Was es tut, ist den Faktor neu zu ordnen, so dass, was auch immer die Ref-Stufe ist, zuerst ist. Daher hat die Neuordnung Ihrer Faktorstufen ebenfalls den gleichen Effekt, bietet Ihnen jedoch mehr Kontrolle. Vielleicht wollten Sie Level 3,4,0,1,2 haben. In diesem Fall...

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

Ich bevorzuge diese Methode, weil ich in meinem Code nicht nur die Referenz, sondern auch die Position der anderen Werte leichter erkennen kann (anstatt mir die Ergebnisse dafür ansehen zu müssen).

HINWEIS: Machen Sie es NICHT zu einem geordneten Faktor. Ein Faktor mit einer bestimmten Reihenfolge und ein geordneter Faktor sind nicht dasselbe. lm()Vielleicht denken Sie, Sie wollen Polynomkontraste, wenn Sie das tun.

Ich weiß, dass dies eine alte Frage ist, aber ich hatte ein ähnliches Problem und stellte fest, dass:

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

macht genau das, was du gefragt hast.

Sie können die Spalte auch manuell mit einem contrastsAttribut versehen, das von den Regressionsfunktionen berücksichtigt zu werden scheint:

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

Für diejenigen, die eine dplyr / tidyverse Version suchen. Aufbauend auf der Lösung von Gavin Simpson:

# 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)