※ 引述《myauo (myauo)》之铭言： : 今欲讨论体重与运动量的关系，其回归式:体重=f(进食量，运动量，职业*运动量) : 其中职业为虚拟变数，0表社会人，1表学生 : (社会人资料共10000笔，学生资料共2000笔) : 回归结果其交互项(即职业*运动量)不显着！ : 於是，我猜想是否学生资料太少，导致虚拟变项相关系数太高 : 而将学生资料另外做回归，为:体重=f(进食量，运动量) : 此时运动量自变数显着！ : 想请问大大，我质疑 "学生资料太少，而可能造成不显着" 的想法是否有误? : 将学生资料另外拉出来做回归，是否会影响解释上的谬误？ 我程度很差，不过试着把问题弄清楚点吧。 一言以蔽之，我觉得你的两个模型讲的是不同的东西。 你的第二个模型是： 体重=f(进食量，运动量) if 职业=1 这个模型跑出来运动量显着的意思是「对学生来讲，运动量对体重有显着影响」 你的第一个模型是： 体重=f(进食量，运动量，职业*运动量) 这个模型跑出来职业*运动量不显着的意思是 「学生身份并不会显着地影响运动量对体重的影响」。 这两件事情是完全可以并存的，而且跟学生的样本数一点关系都没有。 你的两个模型告诉了我们：学生的运动量对他们的体重有影响， 而这个影响并不会显着地不同於社会人的运动量对体重的影响。 换句话说： 学生运动会变瘦吗？会。社会人运动会变瘦吗？也会。 运动同样的时间，学生和社会人变瘦的程度会有显着差异吗？没有。 就这样而已。 如果我是对的，那可能你对交互变项的理解是错的。 交互变项（例如职业*运动量）的意思并不是「运动量对特定职业的人的体重的影响」， 而是「运动量会否影响『职业对体重的影响』」或 「职业会否影响『运动量对体重的影响』」。 --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 169.229.122.151