Bienvenido al Instituto de Investigación y Educación Digital Stata Code Fragment Representación gráfica de interacciones de dos variables continuas usando postgr3 Este ejemplo usa el archivo de datos hsb2 para ilustrar cómo graficar una interacción de dos variables continuas. Esto se basa en las técnicas ilustradas en estos libros. Regresión múltiple: Prueba e interpretación de las interacciones por Leona S. Aiken y Steven G. West. Efectos de interacción en la regresión múltiple por James Jaccard, Robert Turrisi y Choi K. Wan. Este ejemplo utiliza xi3, postgr3 y spostado. Que se puede obtener mediante el comando findit, p. Findit xi3. Findit postgr3 y findit spostado. Es importante que descargue los tres de estos paquetes antes de que estas herramientas funcionen. (Vea Cómo puedo usar el comando findit para buscar programas y obtener ayuda adicional para obtener más información sobre el uso de findit). El contenido final de este sitio web no debe interpretarse como un endoso de ningún sitio web, libro o producto de software en particular por parte de la Universidad de California. Interpretación de los efectos de la interacción Esta página web contiene varias hojas de cálculo de Excel que ayudan Interpretar efectos de interacción de dos y tres vías. Utilizan procedimientos de Aiken y West (1991), Dawson (2013) y Dawson y Richter (2006) para trazar los efectos de interacción, y en el caso de las interacciones de tres vías probar diferencias significativas entre las pendientes. Puede utilizar las hojas de cálculo de Excel directamente desde esta página o descargarlas en su computadora haciendo clic con el botón secundario en los vínculos relevantes. Una nota sobre la estandarización de variables. Las variables estandarizadas son aquellas que están centradas alrededor de cero y están escaladas para que tengan una desviación estándar de 1. Personalmente, yo prefiero usarlas al probar interacciones porque la interpretación de coeficientes puede ser ligeramente más simple. Algunos autores, como Aiken y West (1991), recomiendan que las variables estén centradas (pero no estandarizadas). Los resultados obtenidos deben ser idénticos, sea cual sea el método que utilice. Si prefiere analizar las variables centradas (pero no estandarizadas), puede utilizar las versiones no normalizadas de las hojas de cálculo de Excel e ingresar la media de las variables como cero. Para probar las interacciones bidireccionales (a menudo consideradas como una relación entre una variable independiente (IV) y una variable dependiente (DV), moderada por una tercera variable), ejecute primero un análisis de regresión, incluyendo ambas variables independientes El IV y moderador) y su interacción (producto) término. Se recomienda que la variable independiente y el moderador estén estandarizados antes del cálculo del término del producto. Aunque esto no es esencial. El término producto debe ser significativo en la ecuación de regresión para que la interacción sea interpretable. Si tiene dos variables no normalizadas. Puede trazar su efecto de interacción introduciendo los coeficientes de regresión no normalizados (incluyendo interceptación / constante) y significa las desviaciones estándar del amplificador del IV y moderador en la siguiente hoja de trabajo. Si tiene variables de control en su regresión, los valores de la variable dependiente que aparecen en la gráfica serán inexactos a menos que estandarice (o centre) todas las variables de control primero (aunque el patrón y, por lo tanto, la interpretación, serán correctos). 2-wayunstandardised. xls Si tiene dos variables estandarizadas. Puede trazar el efecto de interacción introduciendo los coeficientes de regresión no normalizados (incluyendo interceptación / constante) en la siguiente hoja de cálculo. Si tiene variables de control en su regresión, los valores de la variable dependiente que se muestran en la gráfica serán inexactos, a menos que también normalize (o centre) todas las variables de control primero (aunque el patrón y, por lo tanto, la interpretación serán correctos). Tenga en cuenta que el término de interacción no debe estandarizarse después del cálculo, sino que debe basarse en los valores estandarizados del moderador del amplificador IV. 2-waystandardised. xls Si tiene un moderador binario. Puede trazar su interacción de forma más útil introduciendo los coeficientes de regresión no normalizados (incluida la interceptación / constante) y la desviación estándar del amplificador medio de su IV en la siguiente hoja de trabajo. Una vez más, si tiene variables de control en su regresión, los valores de la variable dependiente que se muestran en la gráfica serán inexactos, a menos que también estandarice (o centre) todas las variables de control primero (aunque el patrón y por lo tanto la interpretación serán correctos) . La variable binaria debe tener valores posibles de 0 y 1, y no debe estandarizarse. 2-waywithbinarymoderator. xls Si desea probar pendientes simples. Puede utilizar la siguiente hoja de cálculo. De nuevo, las variables de control deben centrarse o estandarizarse antes del análisis. Sin embargo, tenga en cuenta que las pruebas de pendiente simple sólo son útiles para probar significancia a valores específicos del moderador. Cuando sea posible, deben elegirse valores significativos, en lugar de una sola desviación estándar por encima y por debajo de la media. También necesitará solicitar la matriz de covarianza de coeficientes como parte de la salida de regresión. Si está utilizando SPSS, esto puede hacerse seleccionando Matriz de covarianza en la sección Coeficientes de regresión del cuadro de diálogo Estadísticas. Obsérvese que la varianza de un coeficiente es la covarianza de ese coeficiente con sí misma, es decir, se puede encontrar en la diagonal de la matriz de covarianza de coeficientes. 2-wayunstandardisedwithsplesples. xls Otras formas de interacción bidireccional que pueden ser útiles para usuarios experimentados: Interacciones bidireccionales cuadráticas. xls - para trazar interacciones curvilíneas entre un efecto principal cuadrático y un moderador (ver más abajo) Interacciones logísticas bidireccionales. xls - para Trazado de interacciones de regresión logística binaria 2-waypoissoninteractions. xls - para trazar interacciones de modelos lineales generalizados con un resultado de Poisson. También funciona para cualquier otro resultado usando un enlace de registro 2-waywithalloptions. xls - una versión generalizada de las hojas de trabajo principales, lo que permite cualquier combinación de IV continuo / binario y moderador, e incluyendo una simple prueba de pendiente (véase la advertencia anterior sobre esto). También permite que las pendientes se representen en los valores del moderador elegido por el usuario. Para probar las interacciones de tres vías (a menudo consideradas como una relación entre una variable X y la variable dependiente Y, moderada por las variables Z y W), ejecute un análisis de regresión, incluyendo las tres variables independientes, los tres pares de interacción de dos vías Términos, y el término de interacción de tres vías. Se recomienda que todas las variables independientes se normalizan antes de calcular los términos del producto. Aunque esto no es esencial. Al igual que con las interacciones de dos vías, los términos de interacción en sí no deben ser estandarizados después del cálculo. El término de interacción de tres vías debe ser significativo en la ecuación de regresión para que la interacción sea interpretable. Si desea utilizar la prueba Dawson amp Richter (2006) para las diferencias entre pendientes, debe solicitar la matriz de covarianza de coeficientes como parte de la salida de regresión. Si está utilizando SPSS, esto puede hacerse seleccionando Matriz de covarianza en la sección Coeficientes de regresión del cuadro de diálogo Estadísticas. Obsérvese que la varianza de un coeficiente es la covarianza de ese coeficiente con sí misma, es decir, se puede encontrar en la diagonal de la matriz de covarianza de coeficientes. Si ha utilizado variables no normalizadas. Puede trazar su efecto de interacción introduciendo los coeficientes de regresión no normalizados (incluyendo interceptación / constante) y las desviaciones estándar de los amplificadores de las tres variables independientes (X, Z y W) en la siguiente hoja de trabajo. Si tiene variables de control en su regresión, los valores de la variable dependiente que se muestran en la gráfica serán inexactos a menos que estandarice todas las variables de control primero (aunque el patrón, y por lo tanto la interpretación, será correcto). Para utilizar la prueba de las diferencias de pendiente, también debe introducir las covarianzas de los coeficientes XZ, XW y XZW de la matriz de covarianza de coeficientes y el número total de casos y el número de variables de control en su regresión. 3-wayunstandardised. xls Si ha utilizado variables estandarizadas. Puede trazar el efecto de interacción introduciendo los coeficientes de regresión no normalizados (incluyendo interceptación / constante) en la siguiente hoja de cálculo. Si tiene variables de control en su regresión, los valores de la variable dependiente que aparecen en la gráfica serán inexactos, a menos que también estandarice todas las variables de control primero (aunque el patrón, y por lo tanto la interpretación, será correcto). Para utilizar la prueba de las diferencias de pendiente, también debe introducir las covarianzas de los coeficientes XZ, XW y XZW de la matriz de covarianza de coeficientes y el número total de casos y el número de variables de control en su regresión. 3-waystandardised. xls Otras formas de tramas de interacción de tres vías que pueden ser útiles para usuarios experimentados: Quadraticthree-wayinteractions. xls - para trazar interacciones curvilíneas entre un efecto principal cuadrático y dos moderadores (ver más abajo) 3-waylogisticinteractions. xls - for Trazado de interacciones de tres vías de la regresión logística binaria de 3 vías con todas las opciones. xls - una versión generalizada de las hojas de trabajo principales, lo que permite cualquier combinación de continuo / IV binario y moderadores, incluyendo una simple prueba de pendiente (ver advertencia anterior acerca de esto), así como la Pruebas de diferencia de pendiente. También permite que las pendientes sean trazadas a valores específicos de los moderadores elegidos por el usuario. Tenga en cuenta que una versión anterior del modo 3 con todas las opciones incluía un error en la prueba de diferencia de pendientes: disculpas por cualquier inconveniente causado. Esto ya ha sido corregido. Si desea trazar un efecto cuadrático (curvilíneo), puede utilizar una de las siguientes hojas de cálculo de Excel. En cada caso, pruebe el efecto cuadrático incluyendo el efecto principal (IV) junto con su término cuadrado (es decir, IVIV) en la regresión. En el caso de una relación simple (no moderada), la significación del término cuadrado determina si hay un efecto cuadrático. Si está probando una relación cuadrática moderada, es la significación de la interacción entre el término cuadrado y el moderador (s) el que determina si hay un efecto moderado. Tenga en cuenta que a pesar de esto, todos los términos de orden inferior deben ser incluidos en la regresión: por lo tanto, si tiene una variable independiente A y los moderadores B y C, entonces para probar si hay una interacción de tres vías que necesitaría para introducir todos los Siguientes términos: A, AA, B, C, AB, AC, AAB, AAC, BC, ABC, AABC. Sin embargo, sólo es la última que determina el significado de la interacción cuadrática de tres vías. Para trazar efectos cuadráticos simples, utilice la regla cuadrática. Xls Para trazar efectos cuadráticos moderados por una variable, utilice las interacciones de cuatro vías. xls Para trazar efectos cuadráticos moderados por dos variables, utilice Cuadraticthree-wayinteractions. xls Hay una serie de problemas comunes encontrados al intentar Para trazar estos efectos. Si tiene problemas, tenga en cuenta lo siguiente: Si el gráfico no aparece, puede ser porque está fuera de escala. Puede cambiar la escala de la variable dependiente haciendo clic con el botón derecho en el eje y eligiendo Formato Eje Asegúrese de ingresar los coeficientes de regresión no normalizados, independientemente de si está utilizando variables estandarizadas Si utiliza variables estandarizadas, asegúrese de calcular la interacción ( Producto) a partir de las variables estandarizadas, pero no estandarizan los propios términos de interacción Cuando se realizan pruebas de pendientes simples o de diferencias de pendientes, es fácil introducir las cifras erróneas de varianzas y covariancias de coeficientes SPSS es propenso a imprimir las covarianzas en un orden diferente A partir de los propios coeficientes de regresión, lo que puede ser confuso. Además, SPSS imprime automáticamente una matriz de correlación de los coeficientes por encima de la matriz de varianza-covarianza: asegúrese de no introducir estos errores. Obsérvese que las varianzas de los coeficientes están a lo largo de la diagonal de esta matriz: p. La varianza del coeficiente Var1Var2 es la covarianza de este coeficiente con sí mismo. Si piensa que hay algún error en estas hojas, póngase en contacto conmigo, Jeremy Dawson. Aiken, L. S. amp West, S. G. (1991). Regresión múltiple: Prueba e interpretación de interacciones. Newbury Park, Londres, Sage. Dawson, J. F. (2014). Moderación en la investigación gerencial: qué, por qué, cuándo y cómo. Journal of Business and Psychology, 29, 1-19. (Este artículo incluye información sobre la mayoría de las pruebas incluidas en esta página, así como mucho más.) Dawson, J. F. amp Richter, A. W. (2006). Probar interacciones de tres vías en la regresión múltiple moderada: Desarrollo y aplicación de una prueba de diferencia de pendiente. Journal of Applied Psychology, 91, 917 - 926. Otros recursos en línea El sitio web de Kristopher Preachers contiene plantillas para probar pendientes sencillas y encontrar regiones de significación para interacciones de 2 y 3 vías. También incluye opciones de modelado lineal jerárquico (HLM) y análisis de curva latente. El sitio web de Yung-jui Yangs contiene macros de SAS para trazar efectos de interacción y ejecutar las pruebas de diferencia de pendiente para interacciones de tres vías El sitio web de Cameron Bricks contiene instrucciones sobre cómo trazar una interacción de tres vías y probar las diferencias entre las pendientes en StataBienvenido al Instituto Para la Investigación y la Educación Digital Stata FAQ ¿Cómo puedo entender una interacción categórica por la interacción continua (Stata 12) En primer lugar, vamos a empezar con lo que significa una interacción categórica significativa por interacción continua. Esto significa que la pendiente de la variable continua es diferente para uno o más niveles de la variable categórica. Utilizaremos un ejemplo del conjunto de datos hsbdemo que tiene una interacción categórica estadísticamente significativa por interacción continua para ilustrar un enfoque explicativo posible. La variable categórica es femenina. Una variable cero / uno con las hembras codificadas como una. La variable predictora continua, socst. Es un puntaje de prueba estandarizado para estudios sociales. Comenzaremos por ejecutar el modelo de regresión y graficar la interacción. Tenga en cuenta que utilizamos c. socst para indicar que socst es una variable continua. Observando el gráfico, podemos ver que las dos líneas de regresión no son paralelas y que la línea para las hembras cae por encima de la línea para los machos. ¿Cómo podríamos decir que las hembras son más altas que los machos? El coeficiente femenino es positivo (15.00), lo que nos dice que el nivel para las mujeres es mayor que para los hombres. Vamos a interpretar los coeficientes para este modelo comenzando con la constante (17.76). Este es el valor de la intercepción para socst regresado en escribir para los hombres. Es decir, el valor esperado para escribir cuando tanto socst como femea son iguales a cero. El coeficiente para socst es .6247 que es la pendiente de la línea de regresión para el grupo masculino. El valor para la hembra por interacción socst es -2047 que es la diferencia de pendiente entre el grupo masculino y femenino, es decir, la pendiente para el grupo femenino sería de aproximadamente .6248 - .2047 .4201. También podemos obtener las pendientes para los dos grupos usando el comando margins. La diferencia entre varones y mujeres puede o no ser significativamente diferente para diferentes valores de socst. Lo que haremos es mirar la diferencia entre hombres y mujeres para varios valores de socst usando el comando margins. Dejamos que socst varíe entre 25 y 70 en incrementos de 5. Por lo tanto, el valor de escritura para los machos en el socst 25 es 33.38182 como se muestra en la fila 1. El mismo valor para las hembras es 43.26361 como se muestra en la fila 11. Aquí están las diferencias en Los dos valores, 43.26361 - 33.38182 9.88179. Podemos obtener esta diferencia para todos los valores de socst usando el comando margins con la opción dydx. Ahora, podemos graficar estas diferencias usando el comando marginsplot. Podemos ver que las diferencias entre los machos y las hembras son significativas para los valores de socst por debajo de los 60. Este gráfico es agradable y nos dice la historia que queremos saber, pero no es el mejor gráfico que podemos dibujar. Mediante la refundición de las líneas y los intervalos de confianza obtenemos un gráfico mucho más nítido. Ah, eso es mucho mejor. El gráfico muestra que las diferencias hombre / mujer disminuyen a medida que aumenta el valor de socst. Siempre que el intervalo de confianza de 95 para la diferencia no incluya cero, la diferencia puede considerarse estadísticamente significativa. Esto parece ser el caso para todos los valores de socst hasta aproximadamente 60. Para valores de socst mayores de 60 la diferencia de machos / hembra no es significativa. Una variable categórica de tres niveles ¿Qué pasa si su variable categórica tiene más de dos niveles. El conjunto de datos catcon3l tiene un predictor categórico, b. Con tres niveles. La variable de respuesta es y y el predictor categórico es x. Aquí está el modelo de regresión con c. x indicando que la x es continua. Los comandos testparm y / o contraste muestran que la interacción global es estadísticamente significativa. A continuación, calcularemos las pendientes simples usando el comando margins. La pendiente de b 1 parece ser diferente de las pendientes de b iguales a 2 o 3. Ahora, vamos a graficar las pendientes junto con un diagrama de dispersión de los datos. Haremos esto ejecutando silenciosamente los márgenes (para suprimir la salida grande) seguido de un comando marginsplot con el diagrama de dispersión añadido. Permite ver si la pendiente de b 3 es significativamente diferente de cada una de las otras dos pendientes. Vamos a probar esto usando contraste de referencia con el comando margins. Indicaremos que la pendiente 3 es la referencia usando b3 y la codificación de grupo de referencia con r que se combinan con rb3. Vemos que la pendiente 3 es significativamente diferente de la pendiente 1, pero no es diferente de la pendiente 2. Mirando las tres pendientes uno podría preguntarse dónde las diferencias entre los grupos son estadísticamente significativas. La forma más natural de hacerlo es elegir un grupo de referencia, esta vez b 1 y ver donde los valores de b 2 son diferentes y luego lo mismo para b1 versus b3. Una vez más, el comando de márgenes con la opción dydx viene a la mente. El primer bloque de resultados, 2.b compara b1 con b2 y son significativos para valores x menos que n 70. El segundo bloque, b3 compara b1 con b3 y son significativos para valores x menos que n 60. Permite graficar estos resultados de márgenes. El área sombreada azul es b1 contra b2 mientras que el área sombreada roja es b1 contra b3. La gráfica reafirma nuestra interpretación de la tabla de márgenes. El contenido de este sitio web no debe ser interpretado como un endoso de cualquier sitio web, libro o producto de software en particular por la Universidad de California.
No comments:
Post a Comment