r-logistic输出中的不完全因子交互作用值

我正在建立一个逻辑回归模型，使用一个连续变量和一个12个不同水平（月）的因子变量。我对每月的互动效果感兴趣

glm(formula = PQR.dep ~ multi.month.data * Month, family = binomial, 
data = training)

但是，当我查看输出时，初始因子值（1月）似乎是隐式的

我如何1）明确显示该因子的值，或2）确定系数和Pr（>| z |）是什么

系数：
估计标准误差z值Pr（>z）
（截距）-1.32310 0.16057-8.24当你有一个系数时，R假设其中一个水平（在本例中为
月01日
）有一个系数，Pr（>| z |）为0。您在输出中看到的内容可以被认为是与2017年1月1日相比的某个月的效果。同样，该月的相互作用项也为0。
如果回到逻辑回归基础，则可以仅使用截距和最低类别中受试者的比例，但使用R，使用
predict
功能要容易得多

mod1 <- glm(formula = PQR.dep ~ multi.month.data * Month, 
                  family = binomial, data = training)
predict(mod1, 
       newdata=data.frame(Month=`01Jan`, 
                        multi.month.data = with(training,
                                         seq(min(multi.month.data), 
                                             max(multi.month.data),
                                             length=10))
         type="response" )

mod1非常类似（可能是重复的）
mod1 <- glm(formula = PQR.dep ~ multi.month.data * Month, 
                  family = binomial, data = training)
predict(mod1, 
       newdata=data.frame(Month=`01Jan`, 
                        multi.month.data = with(training,
                                         seq(min(multi.month.data), 
                                             max(multi.month.data),
                                             length=10))
         type="response" )