Como forçar R a usar um nível de fator especificado como referência em uma regressão?

Como posso dizer a R para usar um determinado nível como referência se eu usar variáveis ​​explicativas binárias em uma regressão?

Ele está apenas usando algum nível por padrão.

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

com b {0, 1, 2, 3, 4}. Digamos que eu queira usar 3 em vez do zero que é usado por R.

Veja a relevel()função. Aqui está um exemplo:

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)

Agora altere o fator bem DFpelo uso da relevel()função:

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

Os modelos estimaram diferentes níveis de referência.

> 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

Outros mencionaram o relevelcomando que é a melhor solução se você deseja alterar o nível de base para todas as análises em seus dados (ou está disposto a conviver com a alteração dos dados).

Se você não quiser alterar os dados (esta é uma alteração única, mas no futuro você deseja o comportamento padrão novamente), então você pode usar uma combinação da função C(note maiúsculas) para definir contrastes e a contr.treatmentsfunção com o argumento base para escolher qual nível você deseja ser a linha de base.

Por exemplo:

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

O relevel()comando é um método abreviado para sua pergunta. O que ele faz é reordenar o fator de modo que seja o que for o nível de referência, primeiro. Portanto, reorganizar seus níveis de fator também terá o mesmo efeito, mas oferece mais controle. Talvez você queira ter níveis 3,4,0,1,2. Nesse caso...

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

Prefiro esse método porque é mais fácil para mim ver em meu código não apenas qual era a referência, mas também a posição dos outros valores (em vez de ter que olhar os resultados para isso).

NOTA: NÃO faça disso um fator ordenado. Um fator com uma ordem especificada e um fator ordenado não são a mesma coisa. lm()pode começar a pensar que você deseja contrastes polinomiais se fizer isso.

Eu sei que esta é uma pergunta antiga, mas tive um problema semelhante e descobri que:

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

faz exatamente o que você pediu.

Você também pode marcar manualmente a coluna com um contrastsatributo, que parece ser respeitado pelas funções de regressão:

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

Para quem procura uma versão dplyr / tidyverse. Com base na solução de 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)