直接定义交乘项与先中心化后生成交乘项结果为什么不一样

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

直接定义交乘项与先中心化后生成交乘项结果为什么不一样？？
我的code是

1. sysuse auto,clear                          
   
2. center length
   
3. center mpg               
   
4. gen IT=c_length*c_mpg
   
5. regress price c_length c_mpg IT          //第一种先中心化再生成交互项，然后回归
   
6. regress price c.length##c.mpg     //第二种直接生成交互项回归

复制代码

回归结果如下：
第一种



第二种


为什么两种回归的结果不一样呢？我应该用哪一种是正确的？

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3 回帖

请问大家，这种情况该用哪一个结果呢？

还有 做调节效应图，应该用哪一种呢？发现第一种做调节效应图 特别不理想，是该用第二种吗？

你的指令有误！应该是

1. regress price c.c_length##c.c_mpg

复制代码

黃河泉 发表于 2019-8-24 10:55
你的指令有误！应该是

谢谢黄老师，我明白了！

黃河泉 发表于 2019-8-24 10:55
你的指令有误！应该是

regress price c.c_length##c.c_mpg
和
regress price c_length c_mpg IT

是一样的

1. . regress price c_length c_mpg IT   
   
2. 
   
3.       Source |       SS           df       MS      Number of obs   =        74
   
4. -------------+----------------------------------   F(3, 70)        =      9.93
   
5.        Model |   189535455         3    63178485   Prob > F        =    0.0000
   
6.     Residual |   445529941        70  6364713.45   R-squared       =    0.2985
   
7. -------------+----------------------------------   Adj R-squared   =    0.2684
   
8.        Total |   635065396        73  8699525.97   Root MSE        =    2522.8
   
9. 
   
10. ------------------------------------------------------------------------------
    
11.        price |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
    
12. -------------+----------------------------------------------------------------
    
13.     c_length |  -1.936047   23.60927    -0.08   0.935    -49.02326    45.15116
    
14.        c_mpg |  -307.6969   98.46623    -3.12   0.003    -504.0816   -111.3122
    
15.           IT |  -7.117735   2.704892    -2.63   0.010    -12.51247   -1.722998
    
16.        _cons |   5445.451   401.0421    13.58   0.000     4645.598    6245.304
    
17. ------------------------------------------------------------------------------
    
18. 
    
19. .
    
20. . regress price c.c_length##c.c_mpg
    
21. 
    
22.       Source |       SS           df       MS      Number of obs   =        74
    
23. -------------+----------------------------------   F(3, 70)        =      9.93
    
24.        Model |   189535456         3  63178485.2   Prob > F        =    0.0000
    
25.     Residual |   445529940        70  6364713.44   R-squared       =    0.2985
    
26. -------------+----------------------------------   Adj R-squared   =    0.2684
    
27.        Total |   635065396        73  8699525.97   Root MSE        =    2522.8
    
28. 
    
29. ------------------------------------------------------------------------------------
    
30.              price |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
    
31. -------------------+----------------------------------------------------------------
    
32.           c_length |  -1.936048   23.60927    -0.08   0.935    -49.02326    45.15116
    
33.              c_mpg |  -307.6969   98.46623    -3.12   0.003    -504.0816   -111.3122
    
34.                    |
    
35. c.c_length#c.c_mpg |  -7.117735   2.704892    -2.63   0.010    -12.51247   -1.722998
    
36.                    |
    
37.              _cons |   5445.451   401.0421    13.58   0.000     4645.597    6245.304
    
38. ------------------------------------------------------------------------------------

复制代码

你这是两个不同模型，当然解释也不一样了。
你可以看看伍德里奇的计量经济学导论第六章里面关于交互项的例子你的写出公式进行推导才能知道含义

蓝色 发表于 2019-8-24 11:33
regress price c.c_length##c.c_mpg
和
regress price c_length c_mpg IT

的确，但我说的是楼主的

1. regress price c.length##c.mpg

复制代码

是不对的！

蓝色 发表于 2019-8-24 11:38
你这是两个不同模型，当然解释也不一样了。
你可以看看伍德里奇的计量经济学导论第六章里面关于交互项的例 ...

谢谢，很有帮助