发帖
雷达卡
根据坛内的经验来说，stata做交叉项时应该先生成新变量再带入模型中，例如：
做x,y的交差项：gen xy=x*y. 然后再做回归（例如：reg/glm/logistic z x y xy）。
但是我发现x#y可以不用生成新变量就能用，以对数线性回归（glm）为例：
1、命令：
gen iner=row*colu
glm freq i.row i.colu iner, family(poisson)
以下是生成新变量的部分结果：
Generalized linear models No. of obs = 9
Optimization : ML Residual df = 3
Scale parameter = 1
Deviance = 103.613914 (1/df) Deviance = 34.53797
Pearson = 129.5374276 (1/df) Pearson = 43.17914
Variance function: V(u) = u [Poisson]
Link function : g(u) = ln(u) [Log]
AIC = 20.46444
Log likelihood = -86.0899988 BIC = 97.02224
2、命令：
glm freq i.row i.colu i.row#i.colu, family(poisson)
以下是部分结果：
Generalized linear models No. of obs = 9
Optimization : ML Residual df = 0
Scale parameter = 1
Deviance = 4.52284e-13 (1/df) Deviance = .
Pearson = 1.30799e-14 (1/df) Pearson = .
Variance function: V(u) = u [Poisson]
Link function : g(u) = ln(u) [Log]
AIC = 9.618454
Log likelihood = -34.2830418 BIC = 4.52e-13
从结果上来看，好像第二种优于第一种（第二种貌似接近饱和模型了(╯‵□′)╯︵┻━┻），但是两种有什么差别，各自分别是什么呢？
还请大神赐教~~~
京公网安备 11010802022788号
