Hola, Eric.
Tu recuerdo iba bien encaminado.
Lo que ha ocurrido es que R ha creado variables dummy
con los factores que has introducido en tu modelo. De esta
forma el valor del coeficiente "intercept", la constante,
sería la media de los valores de referencia de ambas
variables, que en este caso serían "f" y "u" (precisamente los
niveles que no ves en tu output, ya que se crean k - 1
variables dummy, siendo k el número de niveles de cada
variable).
Creo que la mejor forma de que entiendas qué significa esto a
la hora de interpretar tu modelo es haciendo el ejercicio de
estimar nuevas predicciones con esos datos.
Si te fijas, en tu modelo se han calculado cuatro
coeficientes, el "intercept" y los tres coeficientes
correspondientes a las tres variables dummy creadas, de forma
que el modelo quedaría así:
complect(x) = B0 + B1*x(m) + B2*x(par) + B3*x(pp)
En este caso, al tratarse de variables cualitativas
(factores), la x no representa una cantidad, sino una
cualidad, es decir, las características concretas del
individuo, que o están presentes o no lo están. Si está
presente, le asignamos un 1 y si no, un 0.
Por tanto, si un individuo es "f" y "u", entonces su
puntuación en "complect" se estimaría así (dejando aparte las
transformaciones pertinentes):
complect = B0 + B1*0(m) + B2*0(par) + B3*0(pp)
es decir, complect = 0.51438
Si quisieses estimar la puntuación de alguien que tiene los
niveles "f" y "par", lo harías así:
complect = B0 + B1*0(m) + B2*1(par) + B3*0(pp)
es decir, complect = 0.51438 - 0.01438
Si fuese alguien con los niveles "m" y "pp" sería:
complect = B0 + B1*1(m) + B2*0(par) + B3*1(pp)
es decir, complect = 0.51438 - 0.00515 - 0.01308
Y así sucesivamente.
Espero haberme explicado bien.
Por cierto, puedes ver cuáles son los niveles de referencia con
la función "contrasts". E incluso cambiarlos, en caso de que
quieras un grupo control distinto al que tienes ahora.
Saludos.
