R中glm回归为何丢弃变量列？如何选择分类变量的基准参照水平？

为什么place变量的North水平未出现在系数结果中 #

R拟合glm等回归模型时，对分类（因子）变量默认使用treatment对照编码规则：会自动选定1个水平作为基准参照组，其余输出的系数均代表对应水平和基准组的效应差异，因此基准组本身不会单独输出系数。
你首次拟合时place变量仅有North、South两个水平，此时North被选为基准组，输出中仅展示placeSouth系数，代表South相对North的效应差值。
另外你的temperature系数输出为NA，是因为当前样本存在完全共线性问题：South组样本温度均为30，North组样本温度均为20，温度和place变量完全相关，无法单独估计温度的独立效应。

R选择分类变量基准参照水平的规则 #

默认状态下，R会取因子水平的字母排序第一位作为基准参照组：

• 首次仅有North、South两个水平时，字母序N在S之前，因此North为基准组不输出系数；
• 新增East水平后，三个水平的字母序为East < North < South，此时基准组变为East，North、South均为对比组，因此North会出现在系数结果中。

如果需要手动指定基准组，可以调用relevel()函数修改因子的参照水平，示例代码如下：

# 手动指定South为place变量的基准参照组
df$place <- relevel(df$place, ref = "South")

内容的提问来源于stack exchange，提问作者Kirsten