Bagaimana cara memaksa R menggunakan tingkat faktor tertentu sebagai referensi dalam regresi?

Bagaimana cara memberi tahu R untuk menggunakan level tertentu sebagai referensi jika saya menggunakan variabel penjelas biner dalam regresi?

Ini hanya menggunakan beberapa level secara default.

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

dengan b {0, 1, 2, 3, 4}. Katakanlah saya ingin menggunakan 3 alih-alih nol yang digunakan oleh R.

Lihat relevel()fungsinya. Berikut ini contohnya:

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)

Sekarang mengubah faktor bdi DFoleh penggunaan relevel()fungsi:

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

Model tersebut memperkirakan tingkat referensi yang berbeda.

> 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

Orang lain telah menyebutkan relevelperintah yang merupakan solusi terbaik jika Anda ingin mengubah level dasar untuk semua analisis pada data Anda (atau bersedia untuk hidup dengan mengubah data).

Jika Anda tidak ingin mengubah data (ini adalah perubahan satu kali, tetapi di masa mendatang Anda menginginkan perilaku default lagi), maka Anda dapat menggunakan kombinasi fungsi C(huruf besar catatan) untuk mengatur kontras dan contr.treatmentsfungsi dengan argumen dasar untuk memilih level mana yang ingin Anda jadikan baseline.

Sebagai contoh:

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

The relevel()perintah adalah metode singkat untuk pertanyaan Anda. Apa yang dilakukannya adalah menyusun ulang faktor sehingga apa pun yang menjadi tingkat referensi adalah yang pertama. Oleh karena itu, menyusun ulang tingkat faktor Anda juga akan memiliki efek yang sama tetapi memberi Anda lebih banyak kendali. Mungkin Anda ingin memiliki level 3,4,0,1,2. Dalam hal itu...

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

Saya lebih suka metode ini karena lebih mudah bagi saya untuk melihat dalam kode saya tidak hanya apa referensinya tetapi juga posisi nilai-nilai lainnya (daripada harus melihat hasil untuk itu).

CATATAN: JANGAN menjadikannya faktor yang dipesan. Faktor dengan urutan tertentu dan faktor urutan bukanlah hal yang sama. lm()mungkin mulai berpikir Anda menginginkan kontras polinomial jika Anda melakukannya.

Saya tahu ini adalah pertanyaan lama, tetapi saya memiliki masalah serupa dan menemukan bahwa:

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

melakukan apa yang Anda minta.

Anda juga dapat memberi tag kolom secara manual dengan contrastsatribut, yang tampaknya diterapkan oleh fungsi regresi:

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

Untuk mereka yang mencari versi dplyr / tidyverse. Membangun solusi 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)