如何在R中重新划分有序logistic回归模型中的因子？

我目前正在研究R的有序逻辑回归模型。输出系数使用相同的参考水平。我想知道如何更改参考级别？更具体地说，请参见下面的示例。我不想使用真实的数据，所以我模拟了一个。a和T都是从1到5

polr(formula = T ~ a, data = d, Hess = TRUE)

Coefficients:
      Value Std. Error  t value
a2  0.18823     0.5734  0.32825
a3  0.14747     0.5287  0.27895
a4 -0.50157     0.5766 -0.86985
a5  0.02843     0.5448  0.05219

---

“a”的系数使用参考等级1、a2、a3、a4和a5，基本上将等级2、3、4、5与参考等级1进行比较。我的问题是如何重新调整它，使输出自动给出a3 | 2、a4 | 3、a5 | 4（即beta3-beta2、beta4-beta3）？我四处搜索，没有发现类似的问题。非常感谢

我认为您需要来自MASS包的

控制sdif

功能：来自

？控制sdif

选择对比系数，以便编码 单向布局中的系数是 第二级和第一级、第三级和第二级、， 等等这对于有序因子最有意义，但确实如此 不要假设标高的间距相等

因此：

库（MASS）
对比度（d$a）一个非常快速且肮脏的方法是重命名变量。a1是您的基线，因为按字母顺序，a1MASS:：contr.sdif（）

的可能重复项符合您的要求。因此，在运行

polr

命令之前，对比度（d$a）=MASS:：contr.sdif（5）。@MichaelChirico：问题中概述的对比度不只是为治疗对比度设置不同的参考水平，这不是重复。我尝试了公式中的参数，但它给出了以下错误。变量“（对比度）”的类型（列表）无效

library(MASS)
contrasts(d$a) <- contr.sdif(5) # set contrasts: from @Marius in comments
polr(formula = T ~ a, data = d, Hess = TRUE)