R中含全量虚拟变量无常数项线性回归的正确R²计算方法

R默认对无截距模型计算R²时，总平方和采用未中心化的sum(y^2)而非常规的中心化总平方和sum((y - mean(y))^2)。你的模型包含一组加和为1的全量虚拟变量，本质存在隐式截距，默认计算逻辑不适用，因此会出现R²虚高的问题，和Stata未加hasconst选项的输出逻辑一致。

方法1：手动计算（和Stata hasconst结果完全匹配） #

Stata的hasconst选项本质是把隐式截距等效为显式截距，采用中心化总平方和计算R²，具体计算步骤如下：

• 提取模型残差平方和SSE：直接调用拟合后模型的deviance()属性即可
• 计算结果变量y的中心化总平方和SST：用y减去均值后平方求和
• 代入公式计算校正R²
  对应代码示例：

# 拟合你原设定的无截距模型
mod <- lm(y ~ Tr1 + Tr2 + Tr3 + Tr4 + var1 + var2 + 0, data = df)
# 计算校正R²
sse <- deviance(mod)
sst <- sum((df$y - mean(df$y))^2)
r2_hasconst <- 1 - sse / sst

# 如果需要计算调整R²，再补充自由度调整：
n <- nrow(df)
k <- length(coef(mod)) # 所有自变量的系数个数，包含4个虚拟变量、var1、var2
adjusted_r2_hasconst <- 1 - (sse/(n - k)) / (sst/(n - 1))

方法2：调整模型设定直接输出正确R² #

你也可以修改模型设定避免额外计算：删掉任意1个虚拟变量、保留常数项，新模型和原模型的参数估计完全等价：

• 新模型的截距就是原模型中被删掉的那个虚拟变量的系数
• 剩余3个虚拟变量的系数就是原模型中对应变量和被删变量的系数差值
• var1、var2的系数和原模型完全一致
• 模型默认输出的R²就是和Stata hasconst完全一致的正确结果
  对应代码示例：

# 删掉Tr1保留常数项，拟合等价模型
mod_equivalent <- lm(y ~ Tr2 + Tr3 + Tr4 + var1 + var2, data = df)
# 直接提取默认输出的R²即可
r2_correct <- summary(mod_equivalent)$r.squared

内容的提问来源于stack exchange，提问作者spalan