与因子变量(stata)交互时将连续变量作为基线
Make continuous variable the baseline when interacting with factor variable (stata)
考虑两个变量 sex
和 age
,其中 sex
被视为分类变量,age
被视为连续变量。我想使用非交互的 age
项作为基线来指定全阶乘(sex##c.age
的默认值是省略 sex
类别之一)。
到目前为止,我能想到的最好办法是手动写出阶乘(并从回归中省略“年龄”):
reg y sex#c.age i.sex
这在数学上等同于
reg y sex##c.age
但允许我直接推断 和 性别的交互项 sex*age
的回归系数(和标准误差!)。
有没有办法坚持更经济的“##
”表示法,但让连续变量成为省略的类别?
(我知道在此处给出的示例中,手动方法的开销符号很少,但在使用三重交互项时开销会变得很大)。
不是一个完整的答案,而是一个解决方法:可以使用“lincom”来获得系数和标准误差的线性组合。例如,可以得到两种性别的综合效果如下:
reg y sex##c.age
forval i = 1/2 {
lincom age + `i'.sex#c.age
}
考虑两个变量 sex
和 age
,其中 sex
被视为分类变量,age
被视为连续变量。我想使用非交互的 age
项作为基线来指定全阶乘(sex##c.age
的默认值是省略 sex
类别之一)。
到目前为止,我能想到的最好办法是手动写出阶乘(并从回归中省略“年龄”):
reg y sex#c.age i.sex
这在数学上等同于
reg y sex##c.age
但允许我直接推断 和 性别的交互项 sex*age
的回归系数(和标准误差!)。
有没有办法坚持更经济的“##
”表示法,但让连续变量成为省略的类别?
(我知道在此处给出的示例中,手动方法的开销符号很少,但在使用三重交互项时开销会变得很大)。
不是一个完整的答案,而是一个解决方法:可以使用“lincom”来获得系数和标准误差的线性组合。例如,可以得到两种性别的综合效果如下:
reg y sex##c.age
forval i = 1/2 {
lincom age + `i'.sex#c.age
}