参考水平是概要中缺失的水平，因为其他水平的系数是与参考水平的对比，即截距实际上表示参考类别中的平均值。

iris <- transform(iris, Species_=factor(Species))  ## create factor

summary(lm(Sepal.Length ~ Petal.Length + Species_, iris))$coe
#                    Estimate Std. Error   t value      Pr(>|t|)
# (Intercept)         3.6835266 0.10609608 34.718780 1.968671e-72
# Petal.Length        0.9045646 0.06478559 13.962436 1.121002e-28
# Species_versicolor -1.6009717 0.19346616 -8.275203 7.371529e-14
# Species_virginica  -2.1176692 0.27346121 -7.743947 1.480296e-12

字符串
您可以删除截取，以显示缺少的级别，但这没有多大意义。然后，您只需获得每个水平的均值，而无需参考，但是您对参考水平和其他水平之间的对比感兴趣。

summary(lm(Sepal.Length ~ 0 + Petal.Length + Species_, iris))$coe
#                     Estimate Std. Error   t value     Pr(>|t|)
# Petal.Length       0.9045646 0.06478559 13.962436 1.121002e-28
# Species_setosa     3.6835266 0.10609608 34.718780 1.968671e-72
# Species_versicolor 2.0825548 0.28009598  7.435147 8.171219e-12
# Species_virginica  1.5658574 0.36285224  4.315413 2.921850e-05

型
如果不确定，则参考水平始终是因子的第一个水平。

levels(iris$Species_)[1]
# [1] "setosa"

型
为了证明这一点，请指定一个不同的参考级别，看看它是否是第一个。

iris$Species_ <- relevel(iris$Species_, ref='versicolor')

levels(iris$Species_)[1]
# [1] "versicolor"

型
通常在报告中的表格下的注解中引用参考水平，我建议您也这样做。

对于LaTeX输出或类似输出，可以很容易地在modelsummary包中添加一行。（例如显示参考类别）

library(modelsummary)
library(tibble)    

data(mtcars)

models <- list()
models[['OLS']] <- lm(mpg ~ factor(cyl), mtcars)
models[['Logit']] <- glm(am ~ factor(cyl), mtcars, family = binomial)

    rows <- tribble(~term,          ~OLS,  ~Logit,
                    'factor(cyl)4', '-',   '-',
                    'Info',         '???', 'XYZ')
        attr(rows, 'position') <- c(3, 9)
        
modelsummary(models, add_rows = rows)

字符串
详情请参阅此处：
https://vincentarelbundock.github.io/modelsummary/articles/modelsummary.html#add_rows