大家对二元logostic回归的界面应该很是熟悉了，但您有留意到a*b这个按钮吗?小编可是个好奇宝宝，不知道点了之后会有什么莫名的奇妙呢?今天我们就来个集体探险，说道说道a*b。
a*b其实是探讨变量间交互作用的模块，比如我们想分析年龄、文化程度对满意度的影响，其中满意度为二分类变量。脑洞大开的我们可能会觉得年龄和文化程度是有交互的，所谓交互，也就是说，不同年龄时，文化程度对满意度的影响是不同的;或者不同文化程度，年龄对满意度的影响是不同的。到底年龄和文化程度是否真的有交互呢，这时候就要用到a*b了。
操作是很简单的，同时选中年龄age、文化程度edu1，点击a*b，可以看到协变量框多了交互项age*edu1。在交互项之后，将年龄、文化程度放入协变量框。注意哦，这里我们只调查了初中生和，所以edu1取值为初中生和。
可以看到交互项age by edu1的p值为0.001，是有统计学意义的，即认为年龄和文化程度是有交互的。接下来，我们借助散点图观察下交互作用。在初中生和中，分别年龄和满意度的散点图，通过不同的颜色区分。图中的两条直线是趋势线，可以看到两条趋势线是有交叉的，即认为年龄和满意度的关系受文化程度的影响，年龄和文化程度是有交互的。如果年龄和文化程度没有交互，两条趋势线在当前的数据范围内是不会交叉的。
没有交互的时候真的不交叉吗?来看另一种情况，这次我们调查了初中生和高中生(edu2取值为初中生和高中生)，同样是分析年龄、文化程度对满意度的影响，将交互项、年龄、文化程度放入协变量框。
结果发现交互项age by edu2的p值为0.108，是没有统计学差异的，即认为年龄和文化程度是没有交互的。散点图也可以看到两条趋势线是没有交叉的。当交互项没有统计学差异时，回到界面，去除交互项重新进行。
这里需要说明一点，如果高阶交互项有统计学差异，低阶交互项必须在模型中。假设三阶交互项a*b*c有统计学差异，二阶交互项a*b，b*c，a*c必须也放进协变量框。
:界面a*b是有什么莫名的奇妙吗?
下一篇：