从glm模型中提取参考类别的最佳方法？

Question

我正在写一个函数，它接受一个 full 和a reduced glm 对象，用于总结感兴趣的变量的交互结果。varofint 和互动变量 interaction_var (通过执行 lrtest 并使用 svycontrast 在...上 full 对象提取结果 varofint 对于每一级 interaction_var). 样本数据。

x <- data.frame(outcome=rbinom(100,1,.3),varofint=rnorm(100), interaction_var=sample(letters[1:3],100,replace=TRUE))

reduced <- glm(outcome~varofint+interaction_var,data=x)
full <- glm(outcome~varofint*interaction_var,data=x)

我想知道提取所述参考类别的最佳方法是什么？full)glm模式。我显然可以做一些像

levels(full$data$interaction_var)[1]

但这是一个 "安全 "的方法，可以在给定输入的情况下提取一个参考类别。contrasts 的参数？看来，如果选择SAS对比度，这种方法可以产生一个水平的? interactionv_var 那不是模型中作为参考类别的那个。以下是否会更安全？

mf <- model.frame(full)
setdiff(rownames(contrasts(mf[, "interaction_var"])), colnames(contrasts(mf[, "interaction_var"])))

或类似的

names(which(apply(contrasts(mf[, "interaction_var"]),1,function(.v){all(.v==0)})))

我是不是缺少一个更简单的方法来提取参考类别？

Answer 1

这是一个用于这个任务的函数。

refCat <- function(model, var) {
  cs <- attr(model.matrix(model), "contrasts")[[var]]
  if (is.character(cs)) {
    if (cs == "contr.treatment")
      ref <- 1
    else stop("No treatment contrast")
  }  
  else {
    zeroes <- !cs
    ones <- cs == 1
    stopifnot(all(zeroes | ones))
    cos <- colSums(ones)
    stopifnot(all(cos == 1))
    ros <- rowSums(ones)
    stopifnot(sum(!ros) == 1 && sum(ros) != ncol(cs))
    ref <- which(!ros)
  }
  return(levels(model$data[[var]])[ref])  
}    

如果变量 var 不以治疗对比来表示。

例子。

refCat(reduced, "interaction_var")
# [1] "a"
refCat(full, "interaction_var")
# [1] "a"

Answer 2

有点晚，但 dummy.coef() 可以工作......其输出的每个变量元素的第一个值是参考类别。

# R 4.0.0 data.frame() does not produce factors
x <- data.frame(
  outcome = rbinom(100, 1, .3),
  varofint = rnorm(100),
  interaction_var = sample(letters[1:3], 100, replace = TRUE),
  stringsAsFactors = TRUE
)
reduced <- glm(outcome ~ varofint + interaction_var, data = x)
full <- glm(outcome ~ varofint * interaction_var, data = x)

d <- dummy.coef(full)
d
# Full coefficients are 
#                                                                 
# (Intercept):                    0.310136                        
# varofint:                    -0.07247677                        
# interaction_var:                       a           b           c
#                               0.00000000  0.07017833 -0.05891015
# varofint:interaction_var:              a           b           c
#                               0.00000000 -0.14824179 -0.04123618

d$interaction_var
#           a           b           c 
#  0.00000000  0.07017833 -0.05891015 
d$interaction_var
#           a           b           c 
#  0.00000000  0.07017833 -0.05891015 
d$interaction_var[1]
# a 
# 0 
names(d$interaction_var[1])
# [1] "a"