我大多会选择在应用上下文中给出意义的参考级别，即在应用程序中作为参考实际上很有趣的参考级别。因此，在有几种处理和一个对照的实验中，我会选择对照作为参考水平，在​​有许多产品的营销环境中，我会选择市场领导者作为参考（或者如果我是感兴趣的一方，我自己的产品.)

但是，如果某些级别的观测值很少，使用这样的级别作为参考将导致所有估计的对比$^\dagger$有很大的标准偏差，这是解释的困难。因此，必须做出一些妥协。

但是你被告知：

因为这以某种方式使模型更稳定

不是真的。无论您选择哪个级别作为参考，被估计的模型都是相同的，并且将是稳定的或不稳定的。参考水平的选择仅有助于解释，而不是数字问题。无论您最感兴趣的是什么对比，都可以在拟合之后计算出来，如果我们可以直接从标准输出中读取它就很方便了。

$^\dagger\colon$使用治疗对比/治疗编码时，所有估计的参数都是真正的对比比较水平$j$到参考水平。