我想看看使用老年人的重复测量数据以美元计算的收入节省百分比的变化。我想在成长过程中根据父亲的职业比较三组。
我想估算三组的不同斜率和截距。例如：A组是父亲是蓝领的主体; B组是父亲是白领的人; C组是父亲是其他类型工人的科目。我已经为10次年度调查重复采取措施，受试者报告了他们节省了多少收入。我想知道这三组的拦截和轨迹是否不同。
这是我想出来的，但我不确定这是否得到适当的口头解释。
m1
xtmixed savings time || subjects:, var
m1考察时间对储蓄的影响，并估算每个科目的截距和斜率。
m2
xtmixed savings time##fathers_occupation || subjects:, var
m2是否检查两组的截距和斜率的差异？或者我是否还需要将fathers_occupation添加到||的右侧？
答案 0 :(得分：0)
除非您认为ssh对fathers_occupation的影响在所有主题之间有所不同，否则您在正确的部分不需要它。 m2估计每个主题的不同截距，然后savings估计每个测量（时间）主题组中父亲职业的斜率。
我不知道您的数据，但我认为对于所有不同的主题，time##fathers_occupation不太可能产生不同的效果，所以我认为您可以依赖于更简单的随机拦截模型和交互项，由m2指定。