d*******1
发帖数: 854 | 1 大家好， 有一个简单的regression model:
Y=b1X1+b2X2+b12X1*X2+e. (Y是心率， X1血压， X2体温）
这里有个interaction term X1*X2. 如果X1X2一个categorical一个continuous的话，
这个interaction coefficent 很好解释， 比如说血压和心率的关系和性别有关。
但是如果X1X2都是continuous, 比如是血压和体温。 那么如何解释血液和体温的
interaction呢？ | s*****n
发帖数: 2174 | 2 其实interaction term可以看作对加和模型
Y=b1X1+b2X2+e
的补充.
如果其系数b12是正的, 则表示有额外的叠加效应.
比如说当体温血压都高的时候, 心率有极大的提高.
这种就好象说高血压, 高血脂, 高血糖三者有其一还ok,
但是一定要避免3者皆有的情况, 三者皆有, 则心脏病几率
大大增加. | d*******1
发帖数: 854 | 3 很有启发， 如果相交系数是负的呢？ 就表明两个variable有相互减弱的作用， 对吗
？
【在 s*****n 的大作中提到】
: 其实interaction term可以看作对加和模型
: Y=b1X1+b2X2+e
: 的补充.
: 如果其系数b12是正的, 则表示有额外的叠加效应.
: 比如说当体温血压都高的时候, 心率有极大的提高.
: 这种就好象说高血压, 高血脂, 高血糖三者有其一还ok,
: 但是一定要避免3者皆有的情况, 三者皆有, 则心脏病几率
: 大大增加.
| s*****n
发帖数: 2174 | 4 对, 类似的.
其实你说的, 一个categorical一个continuous的情况, 也一样可以这样理解.
比如说: 肺癌 ~ 吸烟 + 性别 + 吸烟*性别
可以解释为"当吸烟和男性这两个因素同时存在时, 肺癌几率大大增高"
这样解释, 也就无所谓连续还是离散变量了. interaction永远解释为在简单叠加
模型基础上的"修正". 这些修正, 用的是多个变量的"共同效应".
【在 d*******1 的大作中提到】
: 很有启发， 如果相交系数是负的呢？ 就表明两个variable有相互减弱的作用， 对吗
: ？
|
|
