交互项回归VS分组回归：讨论

zhaozimeng 发表于 2021-1-25 16:03
我也说不好了，也有人和我说，交乘项的结果更可靠，原因在于分组回归的结果用的是不同样本，既然是不同样 ...

个人见解就是了。例如你关心的变量是X，交互后是D*X。
你分组可以看出每一个组的X的系数，然后交互项D*X的系数就是D对X的影响。
二者不是同一件事。分组的X的系数是每一组的X对被解释变量Y的影响。交互项D*X的系数是D对X的影响。

请问大家如果采用交互项的方式进行东中西部地区的异质性分析，那应该设置两个虚拟变量d1 d2吗？每次回归的时候是要把x*d1，x*d2同时放入还是分两次单独放入？分组回归的结果不是很完美，想用交互项试试。期待各位前辈的解答啊~~

安若曦 发表于 2021-5-14 10:14
请问大家如果采用交互项的方式进行东中西部地区的异质性分析，那应该设置两个虚拟变量d1 d2吗？每次回归的时 ...

是两个虚拟变量。一起放进去

txd2011又来了 发表于 2015-7-28 05:35
请教一个问题，将连续变量按中位数转换为虚拟变量，然后做交互项回归或者分组回归。这样做的前提是什么？
...

重大政策提出前后，eg:改革开放前后，人口相关独生子女or二孩政策实施前后，以政策颁布为时间节点划分，作为虚拟变量处理。
不知道这和您所提到的连续变量按中位数转换是否是一致的。

zhaozimeng 发表于 2021-1-25 16:03
我也说不好了，也有人和我说，交乘项的结果更可靠，原因在于分组回归的结果用的是不同样本，既然是不同样 ...

你说的很对，分组回归和交叉项的区别在于有没有加交互项的变量对被解释变量的影响是一致的（隐含假设）。如果不关心这个问题（这是个强假设），那么交互性效果应该更好。但不能接受这个假设，分组回归结果更有效。当然，分组回归的问题就是样本量大大减小，而且如果分组变量很特殊，使得具有特定相关的变量分到一组，那会不会有样本选择的问题？这时候是不是交互性显然更好？

xiongmengji127 发表于 2022-1-3 19:55
你说的很对，分组回归和交叉项的区别在于有没有加交互项的变量对被解释变量的影响是一致的（隐含假设）。 ...

嗯嗯，我觉得会有影响。比较实用的方法我觉得是，两个都做一下，如果结论一致最好，特别是那种分组回归的结果一个显著一个不显著，或者一个正显著一个负显著的时候，这样看起来分组回归的结果就比较好。如果分组回归的结果是一个方向的，那么就不能直接比较系数大小，可以做一个组间系数差异检验，这样也是可以的。最头疼的是交互项和分组回归的结果不一致，这就需要取舍了，还得看你想要表达的内容和故事本身了。我也是在两者矛盾的时候，突然想到这个问题的~

交互项可以研究的东西更多，例如Y=aD+bp+c×D×p，那么假如D是处理变量，p是调节变量（比如性别），p=0代表女性1代表男性，那回归系数中的a可以解释为女性组参与处理与不参与处理的效应差异，即（a×1-b×0-c×0）-（a×0-b×0-c×0）；a+c表示男性组参与处理与不参与处理的效应差异；这两者在理论上应与分组回归结果差不多（但可以存在系数差异）；b表示男性控制组叫女性控制组的效应差异（也就是不做任何处理器两组因性别产生的效应差异）；而我们关注的c表示男性处理较女性处理组的效应差异（也就是处理之后因为性别产生的效应差异），c就是调节效应

受教了！

如果主效应显著为负，但在加入交互项后，解释变量系数变成了显著正，交互项系数为显著负，以及调节变量系数为显著正，请问这还能说明存在调节作用吗，抑或是该调节变量的选取存在严重问题。烦请解答

zhouzhoubeauty 发表于 2019-4-30 15:53
请问一下分组回归后一组显著，一组不显著，还需要做组间差异检验吗

请问您的问题解决了吗？