交互项的处理

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

如果在文章中，将样本分成三类，但是要对其进行交互项的处理，如果是虚拟变量的话，要分为三组，请问交互项的设置以及经济意义怎么处理？

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏4 回帖

关键词：交互项 怎么处理 经济意义 虚拟变量 文章 样本

    交互项的构建一般需要有两个及以上的指标（一般用两个，三个及以上的话机理不好解释），现在从你的问题中只能看到有一个类别变量，不知道构建交互项的另一个变量是什么类型的变量，类别变量还是连续变量？要用stata软件构建一个交互项直接新建一个变量另其等于两个变量相乘即可。如要构建A与B的交互项C，那使用gen C=A*B。至于具体的解释，推荐谢宇老师《回归分析（修订版）》中关于交互项一章的说明，堪称经典。链接：https://bbs.pinggu.org/thread-3065280-1-1.html。祝好运~

可以参照上面版主的帖子，研究一下谢宇老师《回归分析》中的交互项。
我也做了一个小的例子，楼主可以忽略其中的实际意义，仅从统计示例的角度来看交互分析。

1. sysuse auto, clear
   
2. bro
   
3. *在这里，我们实验一个回归：因变量为price，自变量为weight，trunk和headroom
   
4. 
   
5. **--第一步：一般的回归。我们假设三个自变量都是连续变量，所以用最小二乘法即可
   
6. reg price weight trunk headroom
   
7. est store m1
   
8. 
   
9. *解释：这三个连续变量对于价格price的线性影响
   
10. 
    
11. **--第二步：给trunk进行排序，生成三分类变量(因为是假设，所以就不遵循一定的规则，只是为了演示说明)
    
12. 
    
13. sort trunk
    
14. sum trunk
    
15. recode trunk (min/10=1)(11/20=2)(21/max=3),gen(trunk2)
    
16. label var trunk2 "trunk space"
    
17. label define trunk2 1"低" 2"中" 3"高"
    
18. label value trunk2 trunk2
    
19. 
    
20. xi: reg price weight i.trunk2 headroom
    
21. est store m2
    
22. 
    
23. *解释：虚拟变量回归，默认以“低”组为参照组，解释时候，其他两个自变量如常，分类变量
    
24. *解释时候，就说参照于trunk space低的组别，中等的怎样，高的怎样。
    
25. *分类变量和虚拟变量回归的解释是交互项理解的基础。
    
26. 
    
27. 
    
28. **--第三步：构建交互项--用headroom和trunk2构建
    
29. xi: reg price weight i.trunk2*headroom
    
30. est store m3
    
31. 
    
32. *解释：在这里，我们首先不考虑主效应和交互效应的显著性，只从系数上来解释：一般这样说--
    
33. **相比较于参照组trunk space低的组别，中等组别随着headroom增大，销售价格price降低；
    
34. **相比较于参照组trunk space低的组别，高等组别随着headroom增大，销售价格price降低
    
35. **考虑谢宇老师的教材，我们可以把交互效应看成分类变量与连续变量的乘积；进而看成不同组别的连续变量之间相互比较
    
36. 
    
37. esttab m1 m2 m3

复制代码

------------------------------------------------------------
                      (1)             (2)             (3)   
                    price           price           price   
------------------------------------------------------------
weight              2.322***        2.285***        2.392***
                   (4.58)          (4.93)          (4.92)   

trunk               28.35                                   
                   (0.26)                                   

headroom           -726.8          -790.6           181.6   
                  (-1.58)         (-1.86)          (0.17)   

_Itrunk2_2                          778.3          3530.1   
                                   (0.95)          (1.22)   

_Itrunk2_3                          309.7          4606.3   
                                   (0.19)          (0.38)   

_ItruXhead~2                                      -1171.9   
                                                  (-0.99)   

_ItruXhead~3                                      -1558.0   
                                                  (-0.49)   

_cons               940.6          1079.4         -1375.2   
                   (0.73)          (0.78)         (-0.49)   
------------------------------------------------------------
N                      74              74              74   
------------------------------------------------------------
t statistics in parentheses
* p<0.05, ** p<0.01, *** p<0.001

xddlovejiao1314 发表于 2016-1-24 21:46
交互项的构建一般需要有两个及以上的指标（一般用两个，三个及以上的话机理不好解释），现在从你的问题 ...

谢谢！

Alfred_G 发表于 2016-1-24 22:43
可以参照上面版主的帖子，研究一下谢宇老师《回归分析》中的交互项。
我也做了一个小的例子，楼主可以忽略 ...

谢谢！

xddlovejiao1314 发表于 2016-1-24 21:46
交互项的构建一般需要有两个及以上的指标（一般用两个，三个及以上的话机理不好解释），现在从你的问题 ...

下载了该书，不错     

流量费是什么意思