我有三个变量。我知道变量 B 与变量 C 相关。我感兴趣的是变量 A 是否影响变量 B 与变量 C 的关系，而不是变量 A 是否直接影响变量 C。
多元回归似乎不适合这个问题，因为这将测量变量 A 和 B 对 C 的影响，这不是我想要的。
我的另一个想法是简单地将 A 乘以 B，然后与 C 相关，以确定这是否增加/减少了相关性。
确定 A 是否影响 B 与 C 的关系的任何其他想法？
或者思考为什么上述任何一个有用或没用？
衡量变量A对变量B的影响对变量C的影响
机器算法验证
相关性
多重回归
2022-04-06 14:21:51
1个回答
最好的方法是在多元回归中将 A 的任何“直接”效应与 A 乘 B 的乘积所代表的交互作用结合起来。这种模型的一般形式，如它在 R 语法中所表示的那样，将是：
C ~ B + A + A:B
该模型（如果您使用标准处理编码）将提供：
截距 - 当 A 和 B 都处于参考值时 C 的值（0 表示连续预测器），
A 和 B 的单独系数，表示当另一个预测变量处于其参考水平时， C 相对于它们每个变化的程度，以及
交互作用 A:B 的系数（对于连续预测变量，它只是 A 乘以 B 的乘积），表示 A 和 B 中的每一个的个体关联随着另一对的变化而变化的程度。
为了使这一点最容易解释，除了交互系数之外，您还应该在模型中包含 A，即使您并不特别关心它与 C 的单独关联。
其它你可能感兴趣的问题