虛擬變數交互項去中心化

『壹』 變數怎麼通過交互項進行調節效應檢

交叉項是指兩個變數聯合解釋，單獨變數解釋時會存在很明顯的偏誤，通過增加交叉項來降低該變數的偏誤，以及防治單獨變數錯誤回歸時地錯誤解釋。
考慮reg
y
a
和reg
y
a
ab
其中y是成績
，a是聽課時間，
b是不認真程度，第一個回歸可以得到y和a應該正相關，第二個回歸能得到y與a正相關，但與ab負相關。若只考慮第一個回歸，那我們就錯誤地得出結論聽課時間越長成績越好，其實考慮第二個回歸就能發現成績不僅和時間有關還與認真度有關。
一般交叉項用於定量變數（數量級，多少個）和定性變數（表示程度或者性質）之間的組合，比如最簡單的性別問題，就可以在原解釋變數上乘以一個性別地虛擬變數。

『貳』 求助：調節變數是虛擬變數，這個虛擬變數也需要中心

操作方法如下：
1.自變數可以不用設置成虛擬變數
2.首先看看結果，如果不是很理想，可以試試中心化。

『叄』 交互項為兩個虛擬變數的系數如何解釋

這樣解釋：因變數在兩個水平上的響應值的改變數隨著調節變數的水平不同而不一樣，即因變數對指標的影響取決於調節變數取什麼水平，那麼我們就說因變數與調節變數之間存在交互作用。

其大小通常用調節變數取調節變數2時因變數從因變數1變為因變數2所引起的響應值的改變數（因變數2*調節變數2-因變數1*調節變數2）減去調節變數取調節變數1時因變數從因變數1變為因變數2所引起的響應值的改變數再除以2來表示，即為負值。

交互項系數為正，自變數對因變數的影響隨著調節變數的增強而增強；交互項系數為負，自變數對因變數的影響隨著調節變數的增強而削弱。交叉項是指兩個變數聯合解釋，單獨變數解釋時會存在很明顯的偏誤，通過增加交叉項來降低該變數的偏誤，以及防治單獨變數錯誤回歸時地錯誤解釋。

相關信息

考慮reg y a 和reg y a ab 其中y是成績 ，a是聽課時間， b是不認真程度，第一個回歸可以得到y和a應該正相關，第二個回歸能得到y與a正相關，但與ab負相關。若只考慮第一個回歸，那我們就錯誤地得出結論聽課時間越長成績越好，其實考慮第二個回歸就能發現成績不僅和時間有關還與認真度有關。

一般交叉項用於定量變數（數量級，多少個）和定性變數（表示程度或者性質）之間的組合，比如最簡單的性別問題，就可以在原解釋變數上乘以一個性別地虛擬變數。

『肆』 stata中用固定效應模型回歸有虛擬變數時為什麼就omitted了

stata中用固定效應模型回歸有虛擬變數時為什麼就omitted了？
不要使用 xtreg 命令做 FE 回歸，因為它會自動忽略 mmies.

推薦的做法是，手動生成兩個 mmies. 然後，用這兩個 mmies 各自乘以 size 得到兩個 interaction terms.

最後，把這兩個 mmies，兩個 interaction terms，以及 size 放到 reg 命令中回歸。

Life is so easy then.

如果加地區虛擬變數是為了控制隨地區變化的因素，那麼被omitted了完全沒關系，地區虛擬變數能控制的因素已經被固定效應控制了。因為它也是個隨時間不變的因素，而所有這樣的因素都會被固定效應控制。

但如果你關心虛擬變數本身的系數，那你就不能用固定效應模型。一個合適的選擇是用隨機效應，但隨機效應的假設更嚴格，你需要用hausman檢驗對比它跟固定效應的結果是否存在顯著差異，如果存在，那麼你就需要在隨機效應里添加更多隨時間不變的因素。

加交互項還是跟原來一樣，需要添加兩個虛擬變數各自的交互項。加交互項後原來的虛擬變數一般都是依然需要添加的，不過如果是固定效應模型的話，加不加就無所謂了，反正會omitted

參見 zhuyuhao.com/doc/posts/ 16和17頁。

『伍』 如何解釋模型里的交互項的含義。解釋的讓我滿意有加分

一般情況下，存在交互項需要先解釋交互項，交互項不顯著則對比未加入交互項之前的變化，
你至少要run出三條回歸方程式：
假設自變數為X，因變數為Y，調節變數為Z
第一條回歸方程式: Y=a1+b1(X)
第二條回歸方程式: Y=a2+b1(X)+b2(Z)
第三條回歸方程式: Y=a3+b1(X)+b2(Z)+b3(XZ)
在這之前，我還需要問下，你這都是連續變數還是虛擬變數？

『陸』 虛擬變數及交互作用，求助

該是伍德里奇中關於虛擬變數的交互項吧？其實虛擬變數的交互項的目的無非是將四種情況分別考慮，一般b3的參數我們很少單獨考慮，就像交互項里的求偏效應，結果必然是b3加上另外一個參數

『柒』 關於spss虛擬變數的問題

虛擬出三個最後出來的計算結果跟虛擬出兩個是一模一樣的，因為總是有一個類別是作為被參照對比的類別，如果你心理上感覺虛擬出3個好，那你完全可以弄3個出來，就好比有些人非要感覺脫了褲子才放屁的道理一樣。
至於中心化，就不需要了

『捌』 急！！！！！spss回歸分析中，如果有一對虛擬變數，那當變數為0時，怎麼去分析因變數和自變數的關系

虛擬變數（啞變數）通常用於多水平分類變數的拆分，取值只是一個標簽，沒有絕對數值上的含義。通常我們會選取頻次最高的那個水平作為基線水平，因此是人為設置成「0」的

『玖』 變數和虛擬變數有交互項，該如何處理

通過那個 block 功能來做，你先把主要研究的自變數B 移到自變數對話框，然後點擊一下 block的 next 就切換到下一層，然後再把A變數移入自變數對話框中，這樣就是控制A的情況下，單獨研究B對C的影響關系

『拾』 虛擬變數交互項模型中需要加入虛擬變數嗎

需要的。虛擬變數交互項模型中虛擬變數一般都是需要添加的，不過如果是固定效應模型的話，加不加就無所謂了。