含交互作用的一個模型
R 的迴歸分析中級
Richie Cotton
Data Evangelist at DataCamp
什麼是交互作用？
在魚類資料集中
長度對期望質量的影響，會因物種而異。
更一般地說
一個解釋變數對期望反應的影響，會隨另一個解釋變數的值而改變。
指定交互作用
無交互作用
response ~ explntry1 + explntry2
含交互作用（隱式）
response_var ~ explntry1 * explntry2
含交互作用（顯式）
response ~ explntry1 + explntry2 + explntry1:explntry2
無交互作用
mass_g ~ length_cm + species
含交互作用（隱式）
mass_g ~ length_cm * species
含交互作用（顯式）
mass_g ~ length_cm + species + length_cm:species
執行模型
lm(mass_g ~ length_cm * species, data = fish)
Call:
lm(formula = mass_g ~ length_cm * species, data = fish)
Coefficients:
(Intercept) length_cm speciesPerch speciesPike
-1035.348 54.550 416.172 -505.477
speciesRoach length_cm:speciesPerch length_cm:speciesPike length_cm:speciesRoach
705.971 -15.639 -1.355 -31.231
係數更好理解
mdl_inter <- lm(mass_g ~ species + species:length_cm + 0, data = fish)
Call:
lm(formula = mass_g ~ species + species:length_cm + 0, data = fish)
Coefficients:
speciesBream speciesPerch speciesPike speciesRoach
-1035.35 -619.18 -1540.82 -329.38
speciesBream:length_cm speciesPerch:length_cm speciesPike:length_cm speciesRoach:length_cm
54.55 38.91 53.19 23.32
熟悉的數字
speciesBream speciesPerch speciesPike speciesRoach
-1035.35 -619.18 -1540.82 -329.38
speciesBream:length_cm speciesPerch:length_cm speciesPike:length_cm speciesRoach:length_cm
54.55 38.91 53.19 23.32
coefficients(mdl_bream)
(Intercept) length_cm
-1035.34757 54.54998
一起來練習吧！
R 的迴歸分析中級
