我正在尝试进行回归分析，该回归分析的得分与一名女性假人（取值为0或1）有关，并且我也有该女性的国家/地区。我正在尝试对女性与国家/地区互动的回归问题产生固定的影响，但是我尝试的每种方法均无效，因为我将数字乘以因子
我曾尝试使用fastdummies，但这没有用。我也尝试使用country-1方法，并尝试与女性繁殖，但没有成功。
#first wrong
olss1= lm(pv1math ~ female + I(ggi*female) + factor(country) + factor(year) + I(female * factor(country)),data = f1)
# second wrong
olss1= lm(pv1math ~ female + I(ggi*female) + factor(country) + factor(year) + factor( female * country ),data = f1)
错误消息是我不能将乘数与数字相乘
公式中的*运算符将给出交互以及低阶项。这是一个示例：
char arg;
char args[] = {1,2,3};
push:
uintptr_t pc = get_pc();
arg = args[some_clever_hash(pc)];
stack.push(arg);
给予：
char arg;
char args[] = {1,3};
push:
setarg();
stack.push(arg);
void setarg(void)
{
uintptr_t pc = get_pc_of_caller();
arg = args[some_clever_hash(pc)];
}
我们也可以检查模型矩阵
country <- c("A","A","B","B")
female <- c(1,1,1)
y <- 1:6
fm <- lm(y ~ country * female)
fm
给予
Call:
lm(formula = y ~ country * female)
Coefficients:
(Intercept) countryB female countryB:female
3.0 2.0 -1.5 1.5
您在这里不需要I()。单独*将执行交互，而I()将在回归之前 执行算术运算。
比较：
lm(pv1math ~ ggi*female,data=dat)$coefficients
# (Intercept) ggi female ggi:female
# ... ... ... ...
lm(pv1math ~ I(ggi*female),data=dat)$coefficients
# (Intercept) I(ggi * female)
# ... ...
I()很有用，例如对于多项式，其中 age 是流行的候选项：pv1math ~ age + I(age^2) + I(age^3)，或将GLM中的因变量二值化：glm(I(pv1math > 0.75) ~ ggi*female,family=binomial)。
而且-as @G.Grothendieck already wrote-您不需要重复交互项中已经存在的变量（这只是多余的），因此您可以尝试：
lm(pv1math ~ ggi*female + factor(year) + female*factor(country),data=f1)