A) Меня интересуют эффекты непрерывной переменной (Var1
) на непрерывную зависимую переменную (DV
), обусловленную четырьмя различными группами, которые определяются двумя двумерными переменные (Dummy1
и Dummy2
). Таким образом, я запускаю трехстороннее взаимодействие.Рассчитать и сравнить оценки коэффициентов от регрессионного взаимодействия для каждой группы
Var1 <- sample(0:10, 100, replace = T)
Dummy1 <- sample(c(0,1), 100, replace = T)
Dummy2 <- sample(c(0,1), 100, replace = T)
DV <-2*Var1 + Var1*Dummy1 + 2*Var1*Dummy2 + 10*Var1*Dummy1*Dummy2 + rnorm(100)
fit <- lm(DV ~ Var1*Dummy1*Dummy2)
Я хотел бы сравнить коэффициенты Var1
между группами. Я считаю, что это может быть достигнуто путем сложения соответствующих коэффициентов.
# Group Dummy1 = 0 & Dummy 2 = 0:
fit$coefficients[Var1]
# Group Dummy1 = 1 & Dummy 2 = 0:
fit$coefficients[Var1] + fit$coefficients[Var1:Dummy1]
Однако это кажется чрезмерно трудным и подверженным ошибкам. Что является более эффективным решением?
Мой желаемый выход представляет собой оценочный эффект Var1
для каждой возможной комбинации Dummy1
и Dummy2
.
B) Как только я узнаю оценочные размеры эффекта Var1
для каждой группы, как я могу проверить, если какие-либо два статистически отличаются друг от друга? Я предполагаю, что функция linearHypothesis()
может помочь, но я не могу понять, как это сделать. Благодаря!
вам нужно выполнить 'fit $ rates ['Var1']' с кавычками. – agenis