Sum编码似乎无法正常工作：截距是“参考”水平的平均值，而不是所有水平的总平均值。

如果使用Sum编码（也称为全因子编码），在计算截距时，它仅仅取决于参考水平的平均值，而不是所有水平的总平均值。这可能导致解释结果时出现偏差。

要解决这个问题，可以使用Treatment编码（也称为差异编码）来获得所有水平的总平均值作为截距。下面是使用R语言中的effects包来实现Treatment编码的一个示例：

# 安装并加载effects包
install.packages("effects")
library(effects)

# 创建一个包含分类变量的数据框
data <- data.frame(category = c("A", "B", "C", "D"), 
                   value = c(10, 20, 30, 40))

# 将category转换为因子变量
data$category <- factor(data$category)

# 使用effects包计算Treatment编码
effects_model <- lm(value ~ category, data = data)
effects_table <- allEffects(effects_model)

# 输出Treatment编码的效果
print(effects_table)

上述代码中，我们使用effects包将分类变量category转换为因子变量，并使用lm函数拟合一个线性模型。然后，使用allEffects函数计算Treatment编码的效果，并将结果打印出来。

使用Treatment编码，截距将是所有水平的总平均值，可以更准确地解释结果。