Python：具有两个分类变量交互项的概率回归

Posted 2023-05-06

【中文标题】Python：具有两个分类变量交互项的概率回归

【英文标题】：Python: Probit Regression with interaction term of two categorial variables

【发布时间】：2021-10-12 09:48:12

【问题描述】：

我想运行一个概率回归（参见下面的模型），其中两个虚拟变量（性别 x 处理）相互作用。但是，当在模型中包含治疗*性别时，我收到错误消息“分类数据不能 > 1 维”。 与使用其他分析软件相比，我通过创建一个额外的虚拟对象来获得近似结果，如果两个虚拟对象都等于 1，则其取值为 1 - 但我认为这对于基础统计模型来说并不完全正确。交互作用的边际效应必须是治疗*性别的交叉导数，而不仅仅是共现的导数。 不幸的是，我在 Stats 模型文档中找不到任何关于此的内容。如何正确包含交互项？

非常感谢！

probit_model = probit("decision ~ gender + treatment1 + treatment2 + 
              control1 + control2 + contorl3 + treatment1*Gender + treatment2*Gender", data_probit).fit() 
              #here the error raises

probit_model = probit("decision ~ gender + treatment1 + treatment2 + 
               treatment1_Gender + treatment2_gender + control1 + control2 + contorl3", data_probit).fit()

【参考方案1】：

尝试以下方法：

probit_model = probit("decision ~ control1 + control2 + contorl3 + 
                      treatment1*Gender + treatment2*Gender",
                      data_probit).fit() 

看patsy的文档here，貌似patsy在使用*的时候自动添加了主效果。这意味着通过指定treatment1*gender，它会自动解释为treatment1+gender+treatment1:gender。这里的前两个术语是从您的公式中重复的。

如果这不起作用，请提供一个包含数据的最小可重现示例。见here。

【讨论】：

非常感谢！现在它完美运行了！

太棒了。如果这有帮助，请考虑通过单击左侧开头旁边的 v 符号来接受此答案。 @罗莎。