R语言中lm()含+0公式时，如何输出所有分类变量的全部类别系数？

问题原因 #

当你使用a ~ . + 0调用lm()时，R的默认行为是：

• 对第一个分类变量（示例中的c）保留所有水平的系数（因为去掉了截距，R会用第一个分类变量的所有水平替代截距的作用）；
• 对后续的分类变量（示例中的d）仍采用默认的treatment编码——每个分类变量会省略一个水平作为参照组，仅返回k-1个水平的系数，以此避免模型出现完全共线性。

解决方案 #

要让所有分类变量的每个水平都返回系数，需为每个分类变量显式指定无参照的对比编码，通过lm()的contrasts参数实现：

手动指定对比编码

# 为分类变量c和d设置无参照的treatment编码（保留所有水平）
mod2 <- lm(a ~ . + 0, 
           data = dat1,
           contrasts = list(
             c = contr.treatment(nlevels(dat1$c), base = 0),
             d = contr.treatment(nlevels(dat1$d), base = 0)
           ))

# 查看所有系数
coef(mod2)

自动识别分类变量并设置编码

如果数据中有多个分类变量，可自动生成对比列表：

# 筛选出所有因子类型的变量
factor_vars <- names(dat1)[sapply(dat1, is.factor)]

# 为每个因子生成无参照的对比编码
contrast_list <- lapply(factor_vars, function(var) {
  contr.treatment(nlevels(dat1[[var]]), base = 0)
})
names(contrast_list) <- factor_vars

# 拟合模型
mod3 <- lm(a ~ . + 0, data = dat1, contrasts = contrast_list)

# 查看系数
coef(mod3)

注意事项 #

这种设置会导致模型出现完全共线性（例如每个分类变量的所有水平dummy变量之和为全1向量），lm()会通过广义逆计算系数。此时系数的解释与常规模型不同：每个系数代表该水平相对于全局均值的效应，而非相对于参照组的效应。

内容的提问来源于stack exchange，提问作者Nick