Question

我正在测试一个具有4个预测因子的混合模型：2个分类预测因子（分别为6和7级）和2个定量预测因子。

我想知道在测试我的模型时是否允许我创建交互术语，在其中混合使用分类和定量预测器。

假设Y = f(a, b)是我要测试的模型，a是定量预测变量，b是分类预测变量。

我可以搜索（R中的例子）：

linfit <- lm(Y ~ a +b +a:b, data=mydata)

结果的解释与我在混合定量预测因子时的结果相似？

Answer 1

首先，你写的代码是对的，R会给你一个结果。如果已经将b的类别设置为因子，则R将进行回归，将b视为分类预测器。

其次，我假设您在询问交互术语的统计解释。以下三种情况的统计意义不一样，（1）a和b是定量预测因子。在R的回归结果中，将有四行，a，b，a b，拦截。回归过程将 b作为另一个定量变量并进行线性回归。

y = β0 + β1⋅a + β2⋅b + β3⋅a*b

（2）a和b是分类预测因子。假设a有3个级别，b有2个。绘制出由1或0组成的设计矩阵;

y = β0 + β1⋅a2 + β2⋅a3 + β3⋅b2 + β4⋅a2*b2 + β5⋅a3*b2

（3）a是分类，b是定量预测。假设a有3个级别。

y = β0 + β1⋅a2 + β2⋅a3 + β3⋅b + β4⋅a2*b + β5⋅a3*b

关于交互项和设计矩阵的更多细节，广义线性模型将更多地讨论它。此外，从回归结果中很容易在R中尝试。