如何在 R 中使用交互项和多个非交互变量运行 GLM？

Question

我有一个数据集，根据非常明确的活动期（例如，第 1 个月的计数非常高，第 2 个月的计数中等，第 3 个月的计数很低），我的因变量的观察结果显示出明显的差异。 我的假设是，环境变量不能解释月份的这些差异，并且环境变量不会影响高活动月份的计数（例如，这些差异有一些重要的生物学驱动，它超越了那个时期的任何环境条件），但是在低计数的几个月内，计数由环境变量解释。 我如何为此编码 GLM model？ 会不会是这样：

#activity is categorical variable of high, med, low
GLM <- counts ~ activity + temp + percip + time + activity * temp + percip + time

Answer 1

1. 您在问题末尾提出的公式具有交互作用，但它还包含冗余术语，由于完美的共线性，这些术语将从 model 中退出。 如果要进行乘法交互，则需要将 model 项相乘。 您可以使用*作为简写来包含主要术语和交互作用术语。 例如， y~x*z等价于y ~ x + z + x:z ，其中x:z等价于向量x和z的元素乘法。 如果你不想要主要术语而只想要交互，你可以做y ~ x:z 。

2. 如果您有其他不相互作用的变量或其他相互作用的变量，那么您只需将它们输入到 model 公式中，用+分隔。 例如，您可以添加w与： y ~ x*z + w 。

3. 例如，如果您使用的是 Poisson model，您可以将所有这些放在一起，如下所示： glm(counts ~ activity*temp + percip, family="poisson", data = foo)) 。 这将估计截距、主项系数（当 temp = 0 时活动的偏导数和当活动 = 0 时的 temp 偏导数）和交互作用（一个变量的偏导数如何随另一个变量的水平变化。

4. 听起来您可能不了解您希望拟合的统计 model。 本网站不适用于统计问题，但您可以查看https://stats.stackexchange.com/如果您想对您的特定统计 model 进行反馈。 话虽如此，这里发生了一些严重的统计误解，我将保留以供评论。