R语言线性模型拟合咨询：保留全局截距同时获取所有类别系数

嘿，我完全get到你的需求了——你想要的是一个既能给出所有小麦品种的整体基准产量（全局截距），又能直接看到每个品种相对于这个基准的产量差异的模型，对吧？下面就给你详细说怎么实现：

先回顾下你提到的两个基础模型 #

• lm1 = lm(yield ~ type)：用的是R默认的处理编码（treatment coding），把第一个品种A作为参照组，模型截距就是A的平均产量，而B/C/D对应的系数是它们和A的产量差。
• lm2 = lm(yield ~ 0 + type)：去掉了截距，每个品种对应的系数就是该品种的绝对平均产量，但没有一个全局的基准可以对比。

你要的「全局截距+全品种相对效应」模型怎么实现？ #

核心是用和为零的对比编码（Sum Contrasts），这种编码方式会让模型的截距变成所有品种的平均产量（也就是你说的「全局截距」），每个品种的系数则代表该品种相对于这个全局均值的产量偏差。

具体操作步骤：

1. 设置对比编码：
   假设你的数据集是df，其中type是包含A/B/C/D的分类变量，先把它的对比方式改成和为零编码：

   # 4代表有4个品种，对应A/B/C/D
   contrasts(df$type) <- contr.sum(4)
   

   这时候df$type的对比矩阵会变成：

   品种	type1	type2	type3
   A	1	0	0
   B	0	1	0
   C	0	0	1
   D	-1	-1	-1

2. 拟合模型：
   直接用常规的公式拟合就行，不需要额外加所谓的GlobalIntercept项：

   lm3 <- lm(yield ~ type, data = df)
   

3. 结果解读：

   • 模型的截距((Intercept))：就是四个小麦品种的平均产量，也就是你想要的「全局基准」。
   • type1的系数：代表品种A相对于全局均值的产量差异（A的均值 - 全局均值）。
   • type2的系数：代表品种B相对于全局均值的产量差异（B的均值 - 全局均值）。
   • type3的系数：代表品种C相对于全局均值的产量差异（C的均值 - 全局均值）。
   • 品种D的差异可以通过-(type1 + type2 + type3)计算得到，因为所有品种的偏差之和为0。

验证一下（可选） #

你可以手动计算来确认结果：

# 全局均值（对应截距）
global_mean <- mean(df$yield)
# 各品种相对于全局均值的偏差
A_effect <- mean(df$yield[df$type == "A"]) - global_mean
B_effect <- mean(df$yield[df$type == "B"]) - global_mean
C_effect <- mean(df$yield[df$type == "C"]) - global_mean
D_effect <- mean(df$yield[df$type == "D"]) - global_mean

这些手动计算的数值会和lm3输出的系数完全对应（D的系数是隐含的，需要通过前三个求和取反得到）。

内容的提问来源于stack exchange，提问作者Tern19