具有交互变量的饱和回归
saturated regression with interaction variables
我在 R 中使用以下 data。我需要使用 ed76 作为因变量进行饱和回归。据我了解，除了虚拟变量之间的相互作用之外，饱和回归还必须包括所有解释变量。因此，假设我有以下列变量 nearc2, nearc4, momdad14, step14, ed76, south66, wage, iq。据我了解，回归应该如下所示：Reg <- lm(ed76 ~ nearc2 + nearc4 + momdad14 + step14 + ed76 + south66 + wage + iq + nearc2*nearc4 + nearc2*momdad14 + nearc2*step14 + ... +) 是否有更有效的方法来创建与所有虚拟变量的交互项以建立饱和回归模型？
饱和模型需要与数据点一样多的参数。参见例如 this answer。因此，这可能不是您想要的，因为饱和度在线性模型 AFAIK 中不常用。至少，我不确定你会用它做什么。但是，该模型可以拟合
lm(ed76 ~ as.factor(seq_along(ed76)))
@G。 Grothendieck 的答案只会给你一个 lm 的饱和模型，前提是它导致的参数与观测值一样多。
我在 R 中使用以下 data。我需要使用 ed76 作为因变量进行饱和回归。据我了解，除了虚拟变量之间的相互作用之外，饱和回归还必须包括所有解释变量。因此，假设我有以下列变量 nearc2, nearc4, momdad14, step14, ed76, south66, wage, iq。据我了解，回归应该如下所示：Reg <- lm(ed76 ~ nearc2 + nearc4 + momdad14 + step14 + ed76 + south66 + wage + iq + nearc2*nearc4 + nearc2*momdad14 + nearc2*step14 + ... +) 是否有更有效的方法来创建与所有虚拟变量的交互项以建立饱和回归模型？
饱和模型需要与数据点一样多的参数。参见例如 this answer。因此，这可能不是您想要的，因为饱和度在线性模型 AFAIK 中不常用。至少，我不确定你会用它做什么。但是，该模型可以拟合
lm(ed76 ~ as.factor(seq_along(ed76)))
@G。 Grothendieck 的答案只会给你一个 lm 的饱和模型，前提是它导致的参数与观测值一样多。