R - 自变量和多项式项之间的相互作用
R - interactions between independent variable and polynomial term
我有兴趣将自变量（性别）与持续时间的数值自变量（工作时间）进行交互。
我不确定正确计算等式的正确方法是什么。
y = sex * working_hours + I(working_hours^2)
或者我需要对这两个词进行交互
y = sex * working_hours + sex * I(working_hours^2)
我有兴趣在这里做一个混合模型
lmer(y ~ sex * working_hours + I(working_hours^2) + (1 | id), data = df)
或
lmer(y ~ sex * working_hours + sex * I(working_hours^2) + (1 | id), data = df)
谢谢。
使用正确的公式取决于您要实现的目标。
y = sex * working_hours + I(working_hours^2) 将允许 y 和工作时间之间关系的线性部分变化 sex，而关系的二次部分对于男女都是相同的.换句话说，如果您为每个性别绘制拟合线，关系的 'curvyness' 将相同，但曲线的 'tilt' 会不同。
y = sex * working_hours + sex * I(working_hours^2) 将允许关系的线性和二次部分随性别而变化。如果您为每种性别绘制拟合线，则关系的 'tilt' 和 'curvyness' 都会因性别而异。
以我的思维方式，后者更有意义 - 如果我们允许线性部分变化，为什么我们会假设关系的二次部分在两性之间应该相同？
我有兴趣将自变量（性别）与持续时间的数值自变量（工作时间）进行交互。
我不确定正确计算等式的正确方法是什么。
y = sex * working_hours + I(working_hours^2)
或者我需要对这两个词进行交互
y = sex * working_hours + sex * I(working_hours^2)
我有兴趣在这里做一个混合模型
lmer(y ~ sex * working_hours + I(working_hours^2) + (1 | id), data = df)
或
lmer(y ~ sex * working_hours + sex * I(working_hours^2) + (1 | id), data = df)
谢谢。
使用正确的公式取决于您要实现的目标。
y = sex * working_hours + I(working_hours^2) 将允许 y 和工作时间之间关系的线性部分变化 sex，而关系的二次部分对于男女都是相同的.换句话说，如果您为每个性别绘制拟合线，关系的 'curvyness' 将相同，但曲线的 'tilt' 会不同。
y = sex * working_hours + sex * I(working_hours^2) 将允许关系的线性和二次部分随性别而变化。如果您为每种性别绘制拟合线，则关系的 'tilt' 和 'curvyness' 都会因性别而异。
以我的思维方式，后者更有意义 - 如果我们允许线性部分变化，为什么我们会假设关系的二次部分在两性之间应该相同？