如何获取含因子参考水平的模型项名称？R模型术语机制问询

一、R生成模型系数名称的逻辑 #

R默认对因子采用**丢弃第一个水平（参考水平）**的编码规则，因此系数名称仅包含非参考水平的主效应及交互项：

• 主效应：因子的非参考水平生成因子名+水平名格式（如countryBengal）；数值型变量直接使用变量名。
• 交互项：仅当交互的所有因子都取非参考水平时，才会生成因子1非参考水平:因子2非参考水平格式；只要其中一个因子取参考水平，对应的交互项就不会出现在模型矩阵和系数列表中。

二、模型输出无直接存储，但可通过现有信息生成 #

模型对象（如coxph输出）不会直接存储包含参考水平的项，但可以通过my_model$xlevels（存储所有因子的完整水平）和模型公式解析，生成包含参考水平的完整模型项。

三、具体实现代码（基于你的测试模型） #

以下代码可生成包含参考水平的完整模型项，并筛选出系数列表中缺失的项：

library(survival)

# 加载数据并构建模型（你的测试代码）
data <- cancer
data$inst <- factor(data$inst, levels = c(1:33),
                   labels = c(rep("Sites 01-10", 10), rep("Sites 11-20", 10), rep("Sites 20-33", 13)))
data$sex <- factor(data$sex, levels = 2:1, labels = c("Female", "Male"))
data$ph.ecog <- factor(data$ph.ecog, levels = 0:4,
                       labels = c("Asymptomatic", "Symptomatic but completely ambulatory", 
                                  rep("Not completely ambulatory", 3)))

my_model <- coxph(Surv(time, status) ~ age + sex * ph.ecog + inst + pat.karno * wt.loss + sex * wt.loss, 
                  data = data)

# 1. 获取模型基础信息
model_terms <- terms(my_model)
factor_levels <- my_model$xlevels  # 所有因子的完整水平
existing_coef_names <- names(coef(my_model))  # 当前系数的名称

# 2. 生成完整的主效应项（包含参考水平）
# 因子主效应
factor_main <- unlist(lapply(names(factor_levels), function(f) {
  paste0(f, factor_levels[[f]])
}))
# 数值型主效应（从模型矩阵中筛选）
numeric_vars <- setdiff(colnames(model.matrix(my_model)), grep(":", colnames(model.matrix(my_model)), value = TRUE))
numeric_vars <- numeric_vars[!sapply(numeric_vars, function(x) any(grepl(names(factor_levels), x)))]
# 合并主效应
all_main_terms <- c(factor_main, numeric_vars)

# 3. 生成完整的交互项（包含参考水平组合）
interact_term_labels <- grep("[:*]", attr(model_terms, "term.labels"), value = TRUE)
all_interact_terms <- unlist(lapply(interact_term_labels, function(term) {
  # 拆分交互项的变量
  vars_in_interact <- strsplit(term, "[*:]")[[1]]
  # 获取每个变量的所有可能标识（因子为完整水平前缀，数值型为变量名）
  var_options <- lapply(vars_in_interact, function(v) {
    if (v %in% names(factor_levels)) paste0(v, factor_levels[[v]]) else v
  })
  # 生成所有笛卡尔积组合
  expand.grid(var_options, stringsAsFactors = FALSE) |>
    apply(1, paste, collapse = ":")
}))

# 4. 合并完整项并筛选缺失项
all_full_terms <- c(all_main_terms, all_interact_terms)
missing_terms <- setdiff(all_full_terms, existing_coef_names)

# 查看缺失的项（即包含参考水平的项）
missing_terms

运行后，missing_terms就是你需要的包含参考水平的缺失项列表，比如sexFemale:ph.ecogAsymptomatic、instSites 01-10这类原本被省略的参考水平相关项。

内容的提问来源于stack exchange，提问作者DuckPyjamas