逻辑回归中更换哑变量参照水平对R平方值的影响

先明确讨论的基础场景：题目中提到的“包含3个哑变量的逻辑回归模型”，本质对应一个带有4个类别的分类自变量——为了规避虚拟变量陷阱，k个类别的分类变量进入模型时需要设置k-1个哑变量、选定1个参照组，否则会出现完全多重共线性，导致模型无法估计。

核心结论 #

只要是在同一个分类变量的类别范围内切换参照组，过程中不增减样本、不修改哑变量的编码逻辑，模型的各类R平方值（包括逻辑回归常用的McFadden R²、Cox & Snell R²、Nagelkerke R²）会完全保持不变。

底层逻辑 #

• 更换参照组本质是对原有哑变量组做等价的线性变换，全程没有引入或剔除任何和因变量相关的信息。举个实际的编码例子：如果分类变量的类别是A/B/C/D，初始选A当参照，对应的3个哑变量是“是否为B”“是否为C”“是否为D”；如果把参照组换成B，对应的3个哑变量就变成“是否为A”“是否为C”“是否为D”。这两套哑变量能张成的线性空间是完全等价的——换句话说，用第一套哑变量能算出的每一个样本的预测概率，换参照组后用新的哑变量组，一定能算出完全一模一样的预测值，没有任何精度损失。
• 逻辑回归的所有R平方指标，都是基于两个固定值推导出来的：一个是当前模型的最大对数似然值，另一个是仅包含截距项的零模型的最大对数似然值。既然换参照组前后，所有样本的预测值完全一致，那当前模型的整体对数似然值就不会有任何变化；而零模型的似然值，更是和哑变量怎么编码半毛钱关系都没有。基于这两个固定值算出来的R平方，自然不会跟着参照组的切换变来变去。

容易踩的认知误区 #

不少人会把“单个哑变量的统计量变化”和“模型整体拟合度变化”搞混。切换参照组之后，单个哑变量的回归系数、对应的p值、置信区间确实会变——因为哑变量系数的本质是“当前类别和参照类别的对数几率差”，比较的基准换了，系数数值自然会调整，但这种调整只是比较视角的变化，没有造成任何模型信息的增减，完全不影响模型整体的拟合水平。

什么场景下R²才会真的变？ #

只有脱离“同一分类变量下换参照组”的前提时，R²才会出现变动：比如切换参照组时顺手删掉了某一类别的所有样本，或者把本来属于同一个分类变量的哑变量拆成了跨多个变量的组合编码，这种情况本身就不是单纯换参照组的操作，R²变动自然和换参照组的行为无关。

内容的提问来源于stack exchange，提问作者ngwoke chukwubuikem