逻辑回归交互变量参考类别设置不符合预期问题求助

我需要检验数据集中state.ctgry与Purpose两个变量的交互效应：

• state.ctgry是二分类有序变量，包含NDA和Non NDA两个类别
• Purpose是多分类有序变量，包含Social、Economic、Cultural、Religious和Educational五个类别

我的需求是：

• 将NDA相关的交互项设为参考类别，在逻辑回归结果中展示Non NDA的交互项
• 已将Purpose的参考类别设为Economic，重点关注Non NDA分别与Religious、Social、Cultural的交互结果

但完成类别设置后，回归结果仍显示NDA的交互项，Non NDA的交互项反而被当作参考类别。以下是我使用的R代码：

Regdcanceled$state.ctgry <- as.factor(Regdcanceled$state.ctgry)
Regdcanceled$Purpose <- as.factor(Regdcanceled$Purpose)

# set category 1 of variable A as reference
Regdcanceled$state.ctgry <- relevel(Regdcanceled$state.ctgry, ref = "NDA")

# set category X of variable B as reference
Regdcanceled$Purpose <- relevel(Regdcanceled$Purpose, ref = "Economic")

# create the interaction variable with NDA as the reference category
Regdcanceled$Int <- interaction(Regdcanceled$state.ctgry, Regdcanceled$Purpose, 
                                drop = TRUE)

# Fit logistic regression model with all levels of the interaction variable
log.fit4 <- glm(Cancelled ~ Purpose + state.ctgry + Total.amount + Int, 
                data = Regdcanceled, family = binomial)
summary(log.fit4)

问题出在手动创建交互项的方式以及模型公式的写法上：手动创建的交互因子水平顺序不符合预期，且同时放入主效应和手动交互项会导致R的参数化逻辑混乱。下面是两种修正方案：

方案1：使用R内置交互项语法（推荐） #

不需要手动创建交互变量，直接用:表示变量间的交互，R会自动基于你设置的主效应参考水平，将NDA:Economic作为交互项的参考类别，展示其他Non NDA与各Purpose类别的交互结果。

修正后的代码：

# 转换为因子并直接指定水平顺序（确保参考类别在第一位）
Regdcanceled$state.ctgry <- factor(Regdcanceled$state.ctgry, levels = c("NDA", "Non NDA"))
Regdcanceled$Purpose <- factor(Regdcanceled$Purpose, levels = c("Economic", "Social", "Cultural", "Religious", "Educational"))

# 拟合逻辑回归，用:表示交互项
log.fit4 <- glm(Cancelled ~ Purpose + state.ctgry + Total.amount + state.ctgry:Purpose, 
                data = Regdcanceled, family = binomial)
summary(log.fit4)

运行后，你会看到类似state.ctgryNon NDA:PurposeReligious的系数，这就是Non NDA与Religious相对于参考组（NDA+Economic）的交互效应，完全符合你的需求。

方案2：手动调整交互因子的参考水平 #

如果坚持要手动创建交互变量，需要重新指定交互因子的水平顺序，将NDA:Economic设为参考类别，同时注意模型公式的写法（避免主效应与交互项冗余）：

Regdcanceled$state.ctgry <- factor(Regdcanceled$state.ctgry, levels = c("NDA", "Non NDA"))
Regdcanceled$Purpose <- factor(Regdcanceled$Purpose, levels = c("Economic", "Social", "Cultural", "Religious", "Educational"))

# 创建交互变量时指定水平顺序，确保NDA相关组合在前
Regdcanceled$Int <- interaction(Regdcanceled$state.ctgry, Regdcanceled$Purpose, 
                                drop = TRUE, lex.order = TRUE)
# 将NDA:Economic设为参考类别
Regdcanceled$Int <- relevel(Regdcanceled$Int, ref = "NDA.Economic")

# 模型中只放交互项和控制变量（不要重复放主效应）
log.fit4 <- glm(Cancelled ~ Total.amount + Int, 
                data = Regdcanceled, family = binomial)
summary(log.fit4)

关键注意点 #

• 用factor()直接指定levels比relevel()更直观，能确保因子水平顺序完全符合你的预期
• 内置的:交互语法会自动处理参数化，避免冗余，是统计建模的常规写法
• 两种方案最终都会让你看到Non NDA与各Purpose类别（除Economic，因为它是参考）的交互效应系数

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