虚拟变量交互项去中心化

『壹』 变量怎么通过交互项进行调节效应检

交叉项是指两个变量联合解释，单独变量解释时会存在很明显的偏误，通过增加交叉项来降低该变量的偏误，以及防治单独变量错误回归时地错误解释。
考虑reg
y
a
和reg
y
a
ab
其中y是成绩
，a是听课时间，
b是不认真程度，第一个回归可以得到y和a应该正相关，第二个回归能得到y与a正相关，但与ab负相关。若只考虑第一个回归，那我们就错误地得出结论听课时间越长成绩越好，其实考虑第二个回归就能发现成绩不仅和时间有关还与认真度有关。
一般交叉项用于定量变量（数量级，多少个）和定性变量（表示程度或者性质）之间的组合，比如最简单的性别问题，就可以在原解释变量上乘以一个性别地虚拟变量。

『贰』 求助：调节变量是虚拟变量，这个虚拟变量也需要中心

操作方法如下：
1.自变量可以不用设置成虚拟变量
2.首先看看结果，如果不是很理想，可以试试中心化。

『叁』 交互项为两个虚拟变量的系数如何解释

这样解释：因变量在两个水平上的响应值的改变量随着调节变量的水平不同而不一样，即因变量对指标的影响取决于调节变量取什么水平，那么我们就说因变量与调节变量之间存在交互作用。

其大小通常用调节变量取调节变量2时因变量从因变量1变为因变量2所引起的响应值的改变量（因变量2*调节变量2-因变量1*调节变量2）减去调节变量取调节变量1时因变量从因变量1变为因变量2所引起的响应值的改变量再除以2来表示，即为负值。

交互项系数为正，自变量对因变量的影响随着调节变量的增强而增强；交互项系数为负，自变量对因变量的影响随着调节变量的增强而削弱。交叉项是指两个变量联合解释，单独变量解释时会存在很明显的偏误，通过增加交叉项来降低该变量的偏误，以及防治单独变量错误回归时地错误解释。

相关信息

考虑reg y a 和reg y a ab 其中y是成绩 ，a是听课时间， b是不认真程度，第一个回归可以得到y和a应该正相关，第二个回归能得到y与a正相关，但与ab负相关。若只考虑第一个回归，那我们就错误地得出结论听课时间越长成绩越好，其实考虑第二个回归就能发现成绩不仅和时间有关还与认真度有关。

一般交叉项用于定量变量（数量级，多少个）和定性变量（表示程度或者性质）之间的组合，比如最简单的性别问题，就可以在原解释变量上乘以一个性别地虚拟变量。

『肆』 stata中用固定效应模型回归有虚拟变量时为什么就omitted了

stata中用固定效应模型回归有虚拟变量时为什么就omitted了？
不要使用 xtreg 命令做 FE 回归，因为它会自动忽略 mmies.

推荐的做法是，手动生成两个 mmies. 然后，用这两个 mmies 各自乘以 size 得到两个 interaction terms.

最后，把这两个 mmies，两个 interaction terms，以及 size 放到 reg 命令中回归。

Life is so easy then.

如果加地区虚拟变量是为了控制随地区变化的因素，那么被omitted了完全没关系，地区虚拟变量能控制的因素已经被固定效应控制了。因为它也是个随时间不变的因素，而所有这样的因素都会被固定效应控制。

但如果你关心虚拟变量本身的系数，那你就不能用固定效应模型。一个合适的选择是用随机效应，但随机效应的假设更严格，你需要用hausman检验对比它跟固定效应的结果是否存在显著差异，如果存在，那么你就需要在随机效应里添加更多随时间不变的因素。

加交互项还是跟原来一样，需要添加两个虚拟变量各自的交互项。加交互项后原来的虚拟变量一般都是依然需要添加的，不过如果是固定效应模型的话，加不加就无所谓了，反正会omitted

参见 zhuyuhao.com/doc/posts/ 16和17页。

『伍』 如何解释模型里的交互项的含义。解释的让我满意有加分

一般情况下，存在交互项需要先解释交互项，交互项不显著则对比未加入交互项之前的变化，
你至少要run出三条回归方程式：
假设自变量为X，因变量为Y，调节变量为Z
第一条回归方程式: Y=a1+b1(X)
第二条回归方程式: Y=a2+b1(X)+b2(Z)
第三条回归方程式: Y=a3+b1(X)+b2(Z)+b3(XZ)
在这之前，我还需要问下，你这都是连续变量还是虚拟变量？

『陆』 虚拟变量及交互作用，求助

该是伍德里奇中关于虚拟变量的交互项吧？其实虚拟变量的交互项的目的无非是将四种情况分别考虑，一般b3的参数我们很少单独考虑，就像交互项里的求偏效应，结果必然是b3加上另外一个参数

『柒』 关于spss虚拟变量的问题

虚拟出三个最后出来的计算结果跟虚拟出两个是一模一样的，因为总是有一个类别是作为被参照对比的类别，如果你心理上感觉虚拟出3个好，那你完全可以弄3个出来，就好比有些人非要感觉脱了裤子才放屁的道理一样。
至于中心化，就不需要了

『捌』 急！！！！！spss回归分析中，如果有一对虚拟变量，那当变量为0时，怎么去分析因变量和自变量的关系

虚拟变量（哑变量）通常用于多水平分类变量的拆分，取值只是一个标签，没有绝对数值上的含义。通常我们会选取频次最高的那个水平作为基线水平，因此是人为设置成“0”的

『玖』 变量和虚拟变量有交互项，该如何处理

通过那个 block 功能来做，你先把主要研究的自变量B 移到自变量对话框，然后点击一下 block的 next 就切换到下一层，然后再把A变量移入自变量对话框中，这样就是控制A的情况下，单独研究B对C的影响关系

『拾』 虚拟变量交互项模型中需要加入虚拟变量吗

需要的。虚拟变量交互项模型中虚拟变量一般都是需要添加的，不过如果是固定效应模型的话，加不加就无所谓了。