迴歸有交互項時，如何從預測函數手動計算「項」

Question

有人知道預測函數如何在迴歸模型中存在交互項時計算項？我知道如何解決迴歸時沒有交互條件的問題，但是當我添加一個時，我不能再手動解決這些問題。這裏是一些示例數據，我想看看如何手動計算這些值。謝謝！ -Aleksi

set.seed(2) 
a <- c(4,3,2,5,3) # first I make some data 
b <- c(2,1,4,3,5) 
e <- rnorm(5) 
y= 0.6*a+e 
data <- data.frame(a,b,y) 
model1 <- lm(y~a*b,data=data) # regression 
predict(model1,type='terms',data) # terms 
#This gives the result: 

     a   b  a:b 
1 0.04870807 -0.3649011 0.2049069 
2 -0.03247205 -0.7298021 0.7740928 
3 -0.11365216 0.3649011 0.2049069 
4 0.12988818 0.0000000 -0.5919534 
5 -0.03247205 0.7298021 -0.5919534 
attr(,"constant") 
[1] 1.973031 

Answer 1

您的模型技術上是y ~ b0 + b1*a + b2*a*b + e。計算a是通過將自變量乘以其係數並使結果居中來完成的。因此，例如，條款a將是

cf <- coef(model1) 

scale(a * cf[2], scale = FALSE) 

      [,1] 
[1,] 0.04870807 
[2,] -0.03247205 
[3,] -0.11365216 
[4,] 0.12988818 
[5,] -0.03247205 

它符合您的輸出上面。

而且，由於交互項無非是乘以獨立變量一樣，這相當於

scale(a * b * cf[4], scale = FALSE) 
      [,1] 
[1,] 0.2049069 
[2,] 0.7740928 
[3,] 0.2049069 
[4,] -0.5919534 
[5,] -0.5919534