说我有美国篮球比赛中有数百万次传球的数据。数据看起来像这个例子：
def stream = path.newOutputStream()
XmlUtil.serialize(xml, stream)
stream.close()
每次观察都是从X队的球员传递给另一名球员。因变量记录是否在同一队（0/1）的球员之间完成传球。
我想估算data <- data.frame(same_team = c(0,0,1,0,1,0),
length_pass= c(1,2,5,7,1,3),
year= c(1,1,1,2,2,2),
mean_length_pass_team= c(15,15,9,14,14,8),
team= c('A', 'A', 'B', 'A', 'A', 'B'))
data
same_team length_pass year mean_length_pass_team team
1 0 1 1 15 A
2 0 2 1 15 A
3 1 5 1 9 B
4 0 7 2 14 A
5 1 1 2 14 A
6 0 3 2 8 B
对length_pass次传球的影响，控制same_team和year。我还想控制mean_length_pass_team固定效果。
具有固定效果的logit回归的以下模型规范是否正确？
我特别不确定是否正确指定了团队固定效果。
team答案 0 :(得分：0)
是否值得查看完整模型（我认为您不需要mean_length_pass_team），
m1 <- glm(same_team ~ year * length_pass * team, data = data, family = binomial)
summary(m1)
看看你是否得到了重要的互动？由于您想控制mean_length_pass_team，这是length_pass，team和year的函数，我会说您暗中期待它们。