使用 R 中的层次模型测试区域交互效应
Testing for regional interaction effects using a hierarchical model in R
我想测试选民投票给特定政党的动机 'XY' 以及居住在一个地区是否会产生重大影响。问题是，A 区选民（编码为“1”）与 B 区选民（编码为“0”）的动机是否存在显着差异。
以下是我的数据结构（过度简化）：
region_AB motive voter_attribute vote_for_party_XY
1 1 1 1
1 0 1 1
1 1 0 0
0 0 0 0
0 0 1 0
0 1 0 0
我的猜测是 运行 R 中的二元逻辑分层模型，但我如何才能确定不同的动机和选民特征是否对 A 区和 B 区的公民产生了影响？我不想简单地测试区域效应，而是测试区域在整个模型中的差异。
或者我可以简单地将交互项放入标准逻辑回归模型中（例如 region*motive1、region*motive2...）吗？
但那样的话，我可以添加多少交互项？我是否必须将 'region' 中的零重新编码为 0.0000000001 之类的内容，因为与零相乘会扭曲结果？最后，我是否必须将交互项与该交互项的两个组成部分（例如 region、motive 和 region*motive）一起放入模型中，或者这只会导致多重共线性？
谢谢！
结果是二元的，因此自然建模框架将是逻辑回归。我没有看到数据收集的层次结构，所以只推荐使用 *-运算符在区域和动机之间形成的交互项。
glm( vote_for_party_XY ~ region_AB * motive + voter_attribute, family = "binomial")
请注意，当使用“*”运算符时，R 公式界面包括两个 "main effect" 项。你得到同样的效果：
region_AB + motive + region_AB : motive
将有（至少）三个系数来描述区域-动机结果：一个是区域单独的（适用于区域==1且动机=0的人），第二个是动机单独的（适用于区域==1和动机=0的人）区域 0，动机 = 1）和第三个（对于区域 = 1 和动机 = 1 的人）。所有估计都将与适用于所有因素都处于 0-（参考）水平的人的截距项相关。要计算 region=1 和 region=1 的人的投票率，您可以添加 Intercept、region=1 和交互系数的系数。如果 'region'（比如 n）和 'motivation'（比如 m）有两个以上的级别，则系数的数量将为 1 +(n-1) +(m-1)+(n-1)*(m-1) ，我认为结果为 n*m （包括拦截）。
我想测试选民投票给特定政党的动机 'XY' 以及居住在一个地区是否会产生重大影响。问题是，A 区选民（编码为“1”）与 B 区选民（编码为“0”）的动机是否存在显着差异。
以下是我的数据结构（过度简化）：
region_AB motive voter_attribute vote_for_party_XY
1 1 1 1
1 0 1 1
1 1 0 0
0 0 0 0
0 0 1 0
0 1 0 0
我的猜测是 运行 R 中的二元逻辑分层模型，但我如何才能确定不同的动机和选民特征是否对 A 区和 B 区的公民产生了影响？我不想简单地测试区域效应，而是测试区域在整个模型中的差异。
或者我可以简单地将交互项放入标准逻辑回归模型中（例如 region*motive1、region*motive2...）吗？
但那样的话，我可以添加多少交互项？我是否必须将 'region' 中的零重新编码为 0.0000000001 之类的内容，因为与零相乘会扭曲结果？最后，我是否必须将交互项与该交互项的两个组成部分（例如 region、motive 和 region*motive）一起放入模型中，或者这只会导致多重共线性？
谢谢！
结果是二元的，因此自然建模框架将是逻辑回归。我没有看到数据收集的层次结构，所以只推荐使用 *-运算符在区域和动机之间形成的交互项。
glm( vote_for_party_XY ~ region_AB * motive + voter_attribute, family = "binomial")
请注意，当使用“*”运算符时，R 公式界面包括两个 "main effect" 项。你得到同样的效果：
region_AB + motive + region_AB : motive
将有（至少）三个系数来描述区域-动机结果：一个是区域单独的（适用于区域==1且动机=0的人），第二个是动机单独的（适用于区域==1和动机=0的人）区域 0，动机 = 1）和第三个（对于区域 = 1 和动机 = 1 的人）。所有估计都将与适用于所有因素都处于 0-（参考）水平的人的截距项相关。要计算 region=1 和 region=1 的人的投票率，您可以添加 Intercept、region=1 和交互系数的系数。如果 'region'（比如 n）和 'motivation'（比如 m）有两个以上的级别，则系数的数量将为 1 +(n-1) +(m-1)+(n-1)*(m-1) ，我认为结果为 n*m （包括拦截）。