我有一个带有 Y（一种疾病）和 5 个自变量（以及它们的一些不会导致多重共线性的双边相互作用）的二元逻辑回归。我所有的单个 IV 都显着预测 Y：
- A：男性的正β（男性更容易受到影响）
- B：正β（老年人更容易受到影响）
- C（是/否）：吸烟的正β（吸烟者更容易受到影响）
- D（连续）： β阳性（创伤越多的患者患病的可能性越大）
- E（是/否）：治疗的阴性β（治疗的病例不太可能患有疾病）。
现在有 4 种交互很重要，我想解释它们。我知道我应该说，在重要的交互作用中，我应该说变量 A 对 Y 的影响对于 B(1) 和 B(2) 是不同的。例如，年龄对疾病的影响在男性和女性中是不同的。但我不知道在哪个班级（男性或女性），它更大，我不知道如何确定它。
beta的显着交互作用及其方向如下：
- 4乘3： 正β
- 4乘5：正β
- 1 x 2： 负贝塔
- 3 x 2： 负贝塔
如果您能指导我，我将不胜感激。我搜索了这个问题，但网络上的讨论都很复杂（例如这个）并且超出了我的范围。我只想知道是否有一个简单的规则来确定交互的方向[即，“在 B(1) 或 B(2) 中 A 对 Y 的影响更大吗？”]，给定所涉及变量的系数的方向(A 和 B) 和交互作用本身的系数 (A*B)？（B(1) 和 B(2) 是二元变量（男人或女人）的水平或连续变量中的极端（[年轻和年老]，[容易或困难]）
提前谢谢了。