Comment forcer R à utiliser un niveau de facteur spécifié comme référence dans une régression?

Comment puis-je dire à R d'utiliser un certain niveau comme référence si j'utilise des variables explicatives binaires dans une régression?

Il utilise simplement un niveau par défaut.

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

avec b {0, 1, 2, 3, 4}. Disons que je veux utiliser 3 au lieu du zéro qui est utilisé par R.

Voir la relevel()fonction. Voici un exemple:

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)

Modifiez maintenant le facteur ben DFutilisant la relevel()fonction:

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

Les modèles ont estimé différents niveaux de référence.

> 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

D'autres ont mentionné la relevelcommande qui est la meilleure solution si vous souhaitez changer le niveau de base pour toutes les analyses sur vos données (ou êtes prêt à vivre avec la modification des données).

Si vous ne souhaitez pas modifier les données (il s'agit d'un changement unique, mais à l'avenir, vous souhaitez à nouveau le comportement par défaut), vous pouvez utiliser une combinaison de la fonction C(notez en majuscules) pour définir les contrastes et la contr.treatmentsfonction avec l'argument de base pour choisir le niveau que vous voulez être la ligne de base.

Par exemple:

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

La relevel()commande est une méthode abrégée pour votre question. Ce qu'il fait, c'est réorganiser le facteur afin que le niveau de référence soit le premier. Par conséquent, réorganiser vos niveaux de facteur aura également le même effet mais vous donnera plus de contrôle. Peut-être que vous vouliez avoir des niveaux 3,4,0,1,2. Dans ce cas...

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

Je préfère cette méthode car il est plus facile pour moi de voir dans mon code non seulement quelle était la référence mais aussi la position des autres valeurs (plutôt que d'avoir à regarder les résultats pour cela).

REMARQUE: NE PAS en faire un facteur ordonné. Un facteur avec un ordre spécifié et un facteur ordonné ne sont pas la même chose. lm()peut commencer à penser que vous voulez des contrastes polynomiaux si vous faites cela.

Je sais que c'est une vieille question, mais j'ai eu un problème similaire et j'ai trouvé que:

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

fait exactement ce que vous avez demandé.

Vous pouvez également baliser manuellement la colonne avec un contrastsattribut, qui semble être respecté par les fonctions de régression:

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

Pour ceux qui recherchent une version dplyr / tidyverse. S'appuyant sur la solution 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)