如何解释两个虚拟变量间相互作用项的系数

Question

运用logistic回归分析，我试图模拟女性和收入低于贫困线(两个二元变量)对预测高血压发病概率的边际效应。我创建了一个交互术语(poverty_FEMALE)来尝试建模，但我不确定我对系数的解释是否正确。

是否正确地说：

处于阈值以下的

• 边缘效应与男性为：.067 -.055
• ，女性和非贫困的边际效应为：.041 -.055
• ，女性和贫困的边际效应为-.055?

。

如果是这样的话，为什么贫穷和女性的风险较低，而这两个变量的系数本身就是我们的正值？

pov_FEMALE=(df$BELOW_100_POVERTY*(df$FEMALE))

Marginal Effects:
                       dF/dx  Std. Err.       z     P>|z|    
BELOW_100_POVERTY  0.0670417  0.0243266  2.7559 0.0058531 **  
FEMALE             0.0410705  0.0172280  2.3839 0.0171283 *  
pov_FEMALE        -0.0553485  0.0160284 -3.4531 0.0005541 ***

Answer 1

假设dF/dx显示出你想要的边际效应类型，

低于阈值(0.067)和男性(0)的

• 边际效应为：.067

。

女性(0.041)和非贫困(0)的边际效应是:0.041

女性( 0.041 )、贫困( 0.067 )和共同条件(-0.055)的边际效应为:0.041+0.067 -.055

想想偏导数的含义。直接效应和相互作用效应是加性的，因为你取对变量x的估计方程的偏导数。

假设您描述的变量是指示符(值中的1或0)，则基值的边际效应(值0，例如“男性”)与截距没有区别。人们只能将结果解释为基线概率加上边际效应，在这种情况下，基线被定义为男性和非穷人。