如何画交互效应图？原来如此简单
2019-10-23 不详 网络
离散变量的交互效应也有其方便之处，可以将相应的回归方程用分段函数来表示。比如，考虑如下包含交互项的模型：其中，为虚拟变量，而 为连续变量（如也为离散变量，可类似讨论），则此模型可写为这意味着，如果根据虚拟变量 取值为0或1将全样本分为两个子样本，则这两个子样本所对应的回归方程并不相同（截距项与斜率均可不同）。对于分段函数，很容易用画图的方法来形象地展示，即所谓“交互效应图”
离散变量的交互效应也有其方便之处，可以将相应的回归方程用分段函数来表示。比如，考虑如下包含交互项的模型：其中，为虚拟变量，而 为连续变量（如也为离散变量，可类似讨论），则此模型可写为这意味着，如果根据虚拟变量 取值为0或1将全样本分为两个子样本，则这两个子样本所对应的回归方程并不相同（截距项与斜率均可不同）。对于分段函数，很容易用画图的方法来形象地展示，即所谓“交互效应图”（interaction plot）。下面以Stata手册（Stata Manual）所提供的案例进行示范。我们使用的数据集为nhanes2，来自Second National Health and Nutrition Examination Survey (NHANES II)，包含10,351名美国人在1976-1980间的健康数据。被解释变量为“bpsystol”（systolic blood pressure，收缩压），而解释变量为“agegrp”（age group，年龄组）与“sex”（性别）。其中，agegrp为离散变量（分类变量），而sex为虚拟变量。首先，载入数据集，并考察age
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
