Come forzare R a utilizzare un livello di fattore specificato come riferimento in una regressione?

Come posso dire a R di utilizzare un certo livello come riferimento se utilizzo variabili esplicative binarie in una regressione?

Sta solo usando un certo livello per impostazione predefinita.

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

con b {0, 1, 2, 3, 4}. Diciamo che voglio usare 3 invece dello zero usato da R.

Vedi la relevel()funzione. Ecco un esempio:

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)

Ora modificare il fattore bin DFmediante la relevel()funzione di:

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

I modelli hanno stimato diversi livelli di riferimento.

> 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

Altri hanno menzionato il relevel comando che è la soluzione migliore se vuoi cambiare il livello di base per tutte le analisi sui tuoi dati (o sei disposto a convivere con la modifica dei dati).

Se non si desidera modificare i dati (si tratta di una modifica una tantum, ma in futuro si desidera di nuovo il comportamento predefinito), è possibile utilizzare una combinazione della funzione C(nota maiuscola) per impostare i contrasti e la contr.treatmentsfunzione con l'argomento di base per la scelta del livello che si desidera essere la linea di base.

Per esempio:

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

Il relevel()comando è un metodo abbreviato per la tua domanda. Quello che fa è riordinare il fattore in modo che qualunque sia il livello di riferimento è il primo. Pertanto, anche il riordino dei livelli dei fattori avrà lo stesso effetto ma offre un maggiore controllo. Forse volevi avere i livelli 3,4,0,1,2. In quel caso...

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

Preferisco questo metodo perché è più facile per me vedere nel mio codice non solo quale fosse il riferimento ma anche la posizione degli altri valori (piuttosto che dover guardare i risultati per quello).

NOTA: NON renderlo un fattore ordinato. Un fattore con un ordine specificato e un fattore ordinato non sono la stessa cosa. lm()potrebbe iniziare a pensare che tu voglia contrasti polinomiali se lo fai.

So che questa è una vecchia domanda, ma ho avuto un problema simile e ho scoperto che:

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

fa esattamente quello che hai chiesto.

Puoi anche taggare manualmente la colonna con un contrastsattributo, che sembra essere rispettato dalle funzioni di regressione:

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

Per chi cerca una versione dplyr / tidyverse. Basandosi sulla soluzione 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)