R语言lm()在移除截距的多二元分类预测变量模型中仍出现参考类的原因咨询

核心底层规则 #

lm()生成设计矩阵的逻辑完全依赖内置的model.matrix()函数，即使公式加了-1移除截距，基础哑变量生成规则不会改变：

• 默认情况下，k个水平的分类变量（factor）会生成k-1个对比哑变量，始终保留第一个水平作为参考组，不生成对应哑变量。
• 当公式中加入-1移除截距时，model.matrix()会触发唯一的补全规则：遍历公式右侧的项，遇到第一个分类变量时，将它的哑变量从k-1个扩充为k个，用这组全水平哑变量替代被移除的截距项；后续所有分类变量、交互项都严格按照默认的k-1规则生成，不会再做任何扩充。

输出偏差的产生原因 #

公式value ~ name*Treat-1会被自动展开为value ~ name + Treat + name:Treat -1，按照上述规则生成的列结构完全对应实际输出的结果：

1. 第一个分类变量为name（2个水平：Y1、Y2），被触发补全规则，生成2个全水平哑变量nameY1、nameY2，无参考组，这部分结果符合预期。
2. 第二个分类变量为Treat（2个水平：0、0.5），未触发补全规则，按照默认规则生成1个哑变量Treat0.5，保留Treat=0作为参考组，这是Treat仍存在参考组的核心原因。
3. 交互项严格匹配主效应的哑变量列生成，因此只会出现nameY2:Treat0.5，不会生成nameY1:Treat0.5——因为nameY1基准状态与Treat参考组交叉的效应，已经被前面的主效应列吸收。

实现预期输出的调整方法 #

如果需要达到预期效果，即两个分类变量都不设置跨组的全局参考基准，所有Treat的效应都按name的分组拆分，避免生成不随name变化的全局Treat主效应列，只需要调整公式写法：
将原公式替换为lm(value ~ name + name:Treat -1, data = dat)，展开后的列结构为：

• 全水平的name哑变量：nameY1、nameY2
• 与name完全绑定的Treat交互哑变量：nameY1:Treat0.5、nameY2:Treat0.5

该结构完全匹配预期输出的列设置，不会出现单独的全局Treat0.5主效应列。

注意：如果模型包含3个及以上分类变量，希望所有分类变量都不设置参考组，需要手动给每个分类变量的contrasts属性指定为全水平对比形式，仅靠-1的自动补全规则无法实现全部变量的全水平哑变量生成。

内容的提问来源于stack exchange，提问作者rnorouzian