我想测试选民＆＃39;卡斯蒂格背后的动机是对一个特定党派的投票＆＃39; XY＆＃39;以及在一个地区的居住是否有显着差异。问题是，来自A区（编码＆＃39; 1＆＃39;）的选民与B区选民（编码＆＃39; 0＆＃39;）的动机明显不同。
以下是我的数据结构（过度简化）：
region_AB motive voter_attribute vote_for_party_XY
1 1 1 1
1 0 1 1
1 1 0 0
0 0 0 0
0 0 1 0
0 1 0 0
我的猜测是在R中运行二元逻辑，分层模型但是我如何才能找出不同的动机和选民特征是否对A区和B区的公民起作用？我不想简单地测试区域效果，但是差异区域会在整体模型中进行测试。
或者我可以简单地在标准逻辑回归模型中抛出交互项（例如region*motive1，region*motive2 ...）？
但在这种情况下，我可以添加多少个互动术语？我是否需要在“地区”重新编码零点＆＃39;像0.0000000001之类的东西，因为乘以零会扭曲结果？最后，我是否必须将交互项与此交互项的两个组成部分（例如region，motive和region*motive）一起放入模型中，或者这只会导致多重共线性？
谢谢！
答案 0 :(得分：1)
结果是二元的，因此自然建模框架将是逻辑回归。我没有看到数据收集的分层结构，因此只需建议使用* - 运算符在区域和动机之间形成交互术语。
glm( vote_for_party_XY ~ region_AB * motive + voter_attribute, family = "binomial")
请注意，R公式界面包括＆＃34;主要效果＆＃34;当＆＃34; *＆＃34;使用运算符。你会得到同样的效果：
region_AB + motive + region_AB : motive
将有（至少）三个系数来描述区域动机结果：一个用于区域单独（适用于区域内的人== 1和动机= 0），第二个用于单独的动机（适用于区域0中的人员） ，动机= 1）和第三（对于那些区域= 1和动机= 1的人）。所有估计值均相对于适用于所有因子均为0-（参考）水平的人的截距项。要计算region = 1和region = 1的人的投票率，可以为Intercept，region = 1和交互系数添加系数。如果有超过两个级别的＆＃39;区域＆＃39; （说n）和＆＃39;动机＆＃39; （比方说m）系数的数量为1 +(n-1) +(m-1)+(n-1)*(m-1)，我认为这是n*m（包括拦截）。</ p>