作者weare19 (一辈子的事)
看板Statistics
标题Re: [问题] 交互作用 负负相乘的问题
时间Thu Aug 11 15:06:20 2011
请问如果是类别变数的话
也可以利用C大提到的模型吗?
将变数做centering
谢谢~
※ 引述《coldwind0912 (随风而逝~)》之铭言：
: → bmka:y大, 那你最好检查一下你的程式 10/09 19:44
: → bmka:sorry, 是 c大 10/09 19:45
: → bmka:BTW, 我的建议是 X1,X2,X1*X2各自做centering,不是只有X1X2做 10/09 19:47
: → bmka:其实想法很简单, 就是利用centering去处理collinearity(笑) 10/09 19:55
: → bmka:(假装不知道它们之间的关系),不过,这只能避免一点计算上的 10/09 20:24
: → bmka:小小问题...好处是除了截距项外其他系数不会变 10/09 20:31
: 我想 既然b大有那麽多种的想法 又要追求严谨
: 只好以我之前一份已经发表的paper里的data 来检验各种在这个讨论串曾提及的模型
: 以进一步验证 哪些意见是正确的 哪些意见是不严谨的
: Model1：Y=b0+b1X1r+b2X2r+b3(X1r*X2r)+a (完全不调整资料的原始模形)
: b值 标准误 bata值 t值 显着性 允差 VIF
: 截距 4.227 1.200 3.522 .001
: X1r -.328 .185 -.402 -1.771 .078 .061 16.377
: X2r -.069 .203 -.068 -.341 .734 .078 12.764
: X1r*X2r .117 .050 .804 2.333 .020 .027 37.699
: 基本上，在不调整任何资料型态的时候，在回归模式中，置入交互作用项
: 一定会导致共线性过高的问题，所估计之参数结果应该也是有偏误的。
: Model2：Y=b0+b1X1r+b2X2r+b3(X1c*X2c)+a
: (自变项不centering，交互作用项由两个自变项centering後的交乘积形成)
: b值 标准误 bata值 t值 显着性 允差 VIF
: 截距 2.503 .914 2.739 .007
: X1r .105 .050 .129 2.091 .038 .828 1.207
: X2r .398 .066 .392 6.035 .000 .744 1.344
: X1c*X2c .117 .050 .136 2.333 .020 .930 1.075
: 此模式为我个人引注自Aiken和West(1991)，亦是我在这篇发表paper
: 中的模式，由数据结果来看，与模式一相较，共线性情况明显改善，
: 估计的参数对研究内容亦有不错的结果发现。
: Model3：Y=b0+b1X1c+b2X2c+b3(X1c*X2c)+a
: (自变项centering，交互作用项由两个自变项centering後的交乘积形成)
: b值 标准误 bata值 t值 显着性 允差 VIF
: 截距 4.390 .925 4.746 .000
: X1c .105 .050 .129 2.091 .038 .828 1.207
: X2c .398 .066 .392 6.035 .000 .744 1.344
: X1c*X2c .117 .050 .136 2.333 .020 .930 1.075
: 此模式经P大先前提示，确实也为Aiken和West(1991)所证实之模式，
: ，由数据结果来看，与模式一相较，共线性情况明显改善；与模式二
: 相较，除了截距参数不同外，其余参数皆一致。
: Model4：Y=b0+b1X1r+b2X2r+b3(X1r*X2r)c+a
: (自变项不centering，交互作用项由两个自变项未centering的交乘积形成，
: 再直接对交互作用项进行centering)
: b值 标准误 bata值 t值 显着性 允差 VIF
: 截距 5.974 1.780 3.356 .001
: X1r -.328 .185 -.402 -1.771 .078 .061 16.377
: X2r -.069 .203 -.068 -.341 .734 .078 12.764
: (X1r*X2r)c .117 .050 .804 2.333 .020 .027 37.699
: 此模式为b大在原po e大的文章中回文所提到的
: "把x1*x2当成另一个变数z, 对新变数做中心化"
: 虽然不知道引注自何处的观点，但从分析结果可以了解
: 此模式与模式一相同，共线性问题严重，且与模式二和
: 模式三相较，截距与其他各估计参数皆不一致。
: Model5：Y=b0+b1X1c+b2X2c+b3(X1r*X2r)c+a
: (自变项centering，交互作用项由两个自变项未centering的交乘积形成，
: 再直接对交互作用项进行centering)
: b值 标准误 bata值 t值 显着性 允差 VIF
: 截距 4.413 .926 4.765 .000
: X1r -.328 .185 -.402 -1.771 .078 .061 16.377
: X2r -.069 .203 -.068 -.341 .734 .078 12.764
: (X1r*X2r)c .117 .050 .804 2.333 .020 .027 37.699
: ※ 原模式五的资料key-in错误，已修正。
: 此模式亦为b大在先前的回文中，认为我所分析的模式四结果有异，是由於
: 我误解他的原意所造成，b大认为"X1,X2,X1*X2各自做centering,不是只有X1X2做"
: 因此，模式五来自於此。
: 结果显示，与模式一或模式四一样，此模式仍然有共线性的偏误，进一步查验
: 各估计参数，亦会发现，除截距外，各估计参数与模式四完全相同，但与模式
: 二和模式三相比更是差异颇大，彷佛完全不同的模式。
: 总结上述 如同我在前一篇回文最後所言道
: 中心化是一个操作简单 意义复杂的议题
: 更不是研究者凭藉个人喜恶 欲对任何变项进行中心化就为之
: 以上述五个模式而言 模式二和模式三的作法
: 在SCI&SSCI期刊里 探讨交互作用议题中 广为被接受与引用
: 也因此奠立了Aiken和West两位学者的学术地位
: 然而 以量化研究的精神而言
: 我也不敢太早言断 b大所提及的模式四与模式五是错的
: 顶多只能自认为其观点目前不够严谨(共线性仍然严重)
: 毕竟量化研究的哲学 从来无法证明"什麽是对的" 充其量只能证明"不是错的"
: 或许 b大可以引注其观点来源 与众板友们分享
: 最後 其实小弟的统计功力也不敢自称有多好 只是个对统计议题有兴趣的迷世书僮
: 希望能够在这个园地 与来自各地的统计同好 一同讨论 一同交流 教学相长
: 感谢各位费神地看完这长篇大文 如有任何疏漏 还望各位大大 不吝斧正
--
※ 发信站: 批踢踢实业坊(ptt.cc)
◆ From: 140.127.219.174
※ 编辑: weare19 来自: 140.127.219.174 (08/11 15:06)