library(lme4)
    out <- glmer(cbind(incidence, size - incidence)
                 ~ period
                 + (1 | herd),
                 data = cbpp,
                 family = binomial,
                 contrasts = list(period = "contr.sum"))

summary(out)
Fixed effects:
            Estimate Std. Error z value Pr(>|z|)
(Intercept) -2.32337    0.22129 -10.499  < 2e-16 ***
period1      0.92498    0.18330   5.046 4.51e-07 ***
period2     -0.06698    0.22845  -0.293    0.769
period3     -0.20326    0.24193  -0.840    0.401

我从来没有遇到过需要使用效果编码（contr.sum针对R用户）来拟合广义线性模型的情况。我可以应用与线性模型案例相同的解释吗？在正态线性模型中，截距将是总均值和 s（参数,和影响，即因子水平如何偏离总均值。$\beta$period1period2period3period4 = (Intercept) - period1 - period2 - period3

这就是我认为广义线性模型的类似解释的方式。（我将对所有参数取幂，从而将对数赔率（-ratios）转换为赔率（-ratios）。）截距将是成功与失败的总体几率（在这里坚持经典的二项式术语）和 s log-odds-ratios。例如，我们通过添加然后取幂：得到几率。真的是整体/中等赔率和 s$\exp((\text{Intercept}))$$\beta$period1$\text{(Intercept)}+\text{period1}$$\exp(\text{(Intercept)}+\text{period1})$$\text{(Intercept)}$$\beta$赔率比？