在编码过程中，我需要更改分配给一个因子的虚拟值。但是，以下代码不起作用。有什么建议吗？
test_mx= data.frame(a= c(T,T,T,F,F,F), b= c(1,1,1,0,0,0))
test_mx
a b
1 TRUE 1
2 TRUE 1
3 TRUE 1
4 FALSE 0
5 FALSE 0
6 FALSE 0
model= glm(b ~ a, data= test_mx, family= "binomial")
summary(model)
model= glm(a ~ b, data= test_mx, family= "binomial")
summary(model)
在这里，我将得到b的系数为47。现在，如果交换虚拟值，则它应该为-47。然而，这种情况并非如此。
test_mx2= test_mx
contrasts(test_mx2$a)
TRUE
FALSE 0
TRUE 1
contrasts(test_mx2$a) = c(1,0)
contrasts(test_mx2$a)
[,1]
FALSE 1
TRUE 0
model= glm(a ~ b, data= test_mx2, family= "binomial")
summary(model)
b的系数仍然相同。到底是怎么回事？谢谢。
最佳答案
关于您的问题有一些令人困惑的事情。您同时使用了a ~ b和b ~ a，那么您到底在看什么呢？
对比度仅适用于协变量/自变量，因为它与模型矩阵的构建有关；因此，对于a ~ b，应将对比度应用于b，而对于b ~ a，应将对比度应用于a；
对比度仅适用于因子/逻辑变量，不适用于数值变量。因此，除非您将b作为因素，否则您将无法与之形成对比。
在不更改数据类型的情况下，很明显，只有模型b ~ a才有资格进行进一步讨论。在下面，我将展示如何为a设置对比度。
方法1：使用contrasts和glm的lm参数
我们可以通过contrasts的glm参数控制对比度处理（与lm相同）：
## dropping the first factor level (default)
coef(glm(b ~ a, data = test_mx, family = binomial(),
contrasts = list(a = contr.treatment(n = 2, base = 1))))
#(Intercept) a2
# -24.56607 49.13214
## dropping the second factor level
coef(glm(b ~ a, data = test_mx, family = binomial(),
contrasts = list(a = contr.treatment(n = 2, base = 2))))
#(Intercept) a1
# 24.56607 -49.13214
在这里，
contr.treatment生成对比度矩阵：contr.treatment(n = 2, base = 1)
# 2
#1 0
#2 1
contr.treatment(n = 2, base = 2)
# 1
#1 1
#2 0
并将它们传递给
glm以有效地更改model.matrix.default的行为。让我们比较两种情况的模型矩阵：model.matrix.default( ~ a, test_mx, contrasts.arg =
list(a = contr.treatment(n = 2, base = 1)))
# (Intercept) a2
#1 1 1
#2 1 1
#3 1 1
#4 1 0
#5 1 0
#6 1 0
model.matrix.default( ~ a, test_mx, contrasts.arg =
list(a = contr.treatment(n = 2, base = 2)))
# (Intercept) a1
#1 1 0
#2 1 0
#3 1 0
#4 1 1
#5 1 1
#6 1 1
a的第二列只是0和1之间的转换，这是您期望的虚拟变量。方法2：直接将“ contrasts”属性设置为数据帧
我们可以使用
C或contrasts设置“对比度”属性（C仅用于设置，但contrasts也可以用于查看）：test_mx2 <- test_mx
contrasts(test_mx2$a) <- contr.treatment(n = 2, base = 1)
str(test_mx2)
#'data.frame': 6 obs. of 2 variables:
# $ a: Factor w/ 2 levels "FALSE","TRUE": 2 2 2 1 1 1
# ..- attr(*, "contrasts")= num [1:2, 1] 0 1
# .. ..- attr(*, "dimnames")=List of 2
# .. .. ..$ : chr "FALSE" "TRUE"
# .. .. ..$ : chr "2"
# $ b: num 1 1 1 0 0 0
test_mx3 <- test_mx
contrasts(test_mx3$a) <- contr.treatment(n = 2, base = 2)
str(test_mx3)
#'data.frame': 6 obs. of 2 variables:
# $ a: Factor w/ 2 levels "FALSE","TRUE": 2 2 2 1 1 1
# ..- attr(*, "contrasts")= num [1:2, 1] 1 0
# .. ..- attr(*, "dimnames")=List of 2
# .. .. ..$ : chr "FALSE" "TRUE"
# .. .. ..$ : chr "1"
# $ b: num 1 1 1 0 0 0
现在我们可以使用
glm而不使用contrasts参数：coef(glm(b ~ a, data = test_mx2, family = "binomial"))
#(Intercept) a2
# -24.56607 49.13214
coef(glm(b ~ a, data = test_mx3, family = "binomial"))
#(Intercept) a1
# 24.56607 -49.13214
方法3：将
options("contrasts")设置为全局更改哈哈哈，@ BenBolker还提到了另一个选项，即设置R的全局选项。对于您的特定示例，其因子仅涉及两个级别，我们可以使用
?contr.SAS。## using R default contrasts options
#$contrasts
# unordered ordered
#"contr.treatment" "contr.poly"
coef(glm(b ~ a, data = test_mx, family = "binomial"))
#(Intercept) aTRUE
# -24.56607 49.13214
options(contrasts = c("contr.SAS", "contr.poly"))
coef(glm(b ~ a, data = test_mx, family = "binomial"))
#(Intercept) aFALSE
# 24.56607 -49.13214
但是我相信Ben只是为了说明这一点而已。他不会在现实中采用这种方式，因为更改全局选项不利于获得可复制的R代码。
另一个问题是
contr.SAS只会将最后一个因子级别作为参考。在您只有2个级别的特殊情况下，这可以有效地进行“翻转”。方法4：手动重新编码您的因子水平
我无意提及这一点，因为它是如此微不足道，但是由于我添加了“方法3”，因此最好也添加这一点。
test_mx4 <- test_mx
test_mx4$a <- factor(test_mx4$a, levels = c("TRUE", "FALSE"))
coef(glm(b ~ a, data = test_mx4, family = "binomial"))
#(Intercept) aTRUE
# -24.56607 49.13214
test_mx5 <- test_mx
test_mx5$a <- factor(test_mx5$a, levels = c("FALSE", "TRUE"))
coef(glm(b ~ a, data = test_mx5, family = "binomial"))
#(Intercept) aFALSE
# 24.56607 -49.13214
关于r - 如何在使用R进行回归分析时为变量设置对比？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/39802426/