我正在做一个简单的营销项目，它具有以下类型的变量：
- X1 - 连续（例如收入）
- X2 - 分类（例如性别）
- Y - 连续（例如购买的产品类型的数量，例如冰淇淋桶）
我对收入 (X1) 和产品购买 (Y) 之间的关系以及性别 (X2) 对这种关系的影响感兴趣。（即相互作用或调节效应）。
我已将 X1 居中并在 SPSS 中使用了一般线性模型。Y 上的结果如下：
- X1 - 显着
- X2 - 不显着
- X1*X2 - 不重要
我如何从主效应和交互作用的角度来解释这个结果？
解释主效应和交互作用
机器算法验证
回归
相互作用
2022-04-12 05:32:26
2个回答
通常，您不应仅根据统计显着性来选择模型。实质意义更为重要。
在这种特殊情况下，您可以绘制男性和女性的预测值，x 轴是收入，y 轴是购买的物品数量，每个性别都有一条线。
@gung 提出了一个很好的观点，如果 y 变量是一个计数，您应该使用适当的模型，例如泊松回归，或者更可能的是负二项式回归，因为过度分散在计数回归中非常常见。
你的结果表明没有交互作用——你只是有一个 X1 的主效应。你可以这样说，“人们购买冰淇淋的桶数与他们的收入有关。例如，如果 A 的收入比 B 的收入高一个单位，那么 A 通常会多买桶冰-冰淇淋比人 B。我们的数据表明，收入和冰淇淋购买之间的这种关系对于男性和女性来说都是相似的。”
（顺便说一句，如果您的响应变量是一个计数，您应该使用泊松回归而不是一般线性模型，但我不知道这是否只是您的示例。）
其它你可能感兴趣的问题