Graphing Interactions In Stata Forex

Bem-vindo ao Instituto de Pesquisas Digitais e Educação Stata Code Fragment Representando graficamente as interações de duas variáveis ​​contínuas usando postgr3 Este exemplo usa o arquivo de dados hsb2 para ilustrar como graficar uma interação de duas variáveis ​​contínuas. Isso é baseado nas técnicas ilustradas nesses livros. Regressão Múltipla: Testando e Interpretando Interações por Leona S. Aiken e Steven G. West. Efeitos de Interação em Regressão Múltipla por James Jaccard, Robert Turrisi e Choi K. Wan. Este exemplo usa xi3, postgr3 e spostado. Que você pode obter usando o comando findit, p. Findit xi3. Findit postgr3 e findit spostado. É importante que você baixe os três desses pacotes antes que essas ferramentas funcionem. (Consulte Como usar o comando findit para procurar programas e obter ajuda adicional para obter mais informações sobre como usar o findit). O conteúdo final deste site não deve ser interpretado como um endosso de qualquer site, livro ou produto de software específico pela Universidade da Califórnia. Interpretação de efeitos de interação Esta página da Web contém várias planilhas do Excel que ajudam Interpretar efeitos de interação de duas e três vias. Eles utilizam procedimentos de Aiken e West (1991), Dawson (2013) e Dawson e Richter (2006) para traçar os efeitos da interação e, no caso de interações de três vias, testar diferenças significativas entre as encostas. Você pode usar as planilhas do Excel diretamente desta página, ou baixá-las para o seu computador clicando com o botão direito nos links relevantes. Uma nota sobre padronização de variáveis. Variáveis ​​padronizadas são aquelas que são centradas em torno de zero e são dimensionadas para que eles tenham um desvio padrão de 1. Pessoalmente, eu prefiro usá-los ao testar interações porque a interpretação de coeficientes pode ser ligeiramente mais simples. Alguns autores, como Aiken e West (1991), recomendam que as variáveis ​​estejam centralizadas (mas não padronizadas). Os resultados obtidos devem ser idênticos, seja qual for o método utilizado. Se você preferir analisar variáveis ​​centralizadas (mas não padronizadas), você pode usar as versões não padronizadas das planilhas do Excel e digitar a média das variáveis ​​como zero. Para testar as interações bidirecionais (freqüentemente consideradas como uma relação entre uma variável independente (IV) e uma variável dependente (DV), moderada por uma terceira variável), primeiro execute uma análise de regressão, incluindo ambas as variáveis ​​independentes O IV eo moderador) e seu termo de interação (produto). Recomenda-se que a variável independente eo moderador sejam padronizados antes do cálculo do termo do produto. Embora isso não seja essencial. O termo produto deve ser significativo na equação de regressão para que a interação seja interpretável. Se você tiver duas variáveis ​​não padronizadas. Você pode plotar seu efeito de interação inserindo os coeficientes de regressão não padronizados (incluindo intercepto / constante) e significa os desvios padrão do amplificador do IV e moderador na seguinte planilha. Se você tiver variáveis ​​de controle em sua regressão, os valores da variável dependente exibida no gráfico serão inexatos a menos que você padronize (ou centre) todas as variáveis ​​de controle primeiro (embora o padrão e, portanto, a interpretação sejam corretos). 2-wayunstandardised. xls Se você tiver duas variáveis ​​padronizadas. Você pode plotar seu efeito de interação inserindo os coeficientes de regressão apenas não padronizados (incluindo interceptar / constante) na seguinte planilha. Se você tiver variáveis ​​de controle em sua regressão, os valores da variável dependente exibida no gráfico serão imprecisos, a menos que você também padronize (ou centre) todas as variáveis ​​de controle primeiro (embora o padrão e, portanto, a interpretação sejam corretos). Observe que o termo de interação não deve ser padronizado após o cálculo, mas deve ser baseado nos valores padronizados do IV amp moderador. 2-waystandardised. xls Se você tiver um moderador binário. Você pode plotar sua interação de forma mais útil inserindo os coeficientes de regressão não padronizados (incluindo interceptação / constante) e o desvio padrão médio do amplificador de seu IV na seguinte planilha. Novamente, se você tiver variáveis ​​de controle em sua regressão, os valores da variável dependente exibida no gráfico serão imprecisos, a menos que você também padronize (ou centre) todas as variáveis ​​de controle primeiro (embora o padrão e, portanto, a interpretação sejam corretos) . A variável binária deve ter valores possíveis de 0 e 1 e não deve ser padronizada. 2-waywithbinarymoderator. xls Se você quiser testar inclinações simples. Você pode usar a seguinte planilha. Novamente, as variáveis ​​de controle devem ser centralizadas ou padronizadas antes da análise. No entanto, note que os testes de inclinação simples são apenas úteis para testar a significância em valores específicos do moderador. Sempre que possível, devem ser escolhidos valores significativos, em vez de apenas um desvio padrão acima e abaixo da média. Você também precisará solicitar a matriz de covariância de coeficientes como parte da saída de regressão. Se você estiver usando o SPSS, isso pode ser feito selecionando a matriz de covariância na seção Coeficientes de regressão da caixa de diálogo Estatísticas. Observe que a variância de um coeficiente é a covariância desse coeficiente com ela mesma - isto é, pode ser encontrada na diagonal da matriz de covariância de coeficientes. 2-wayunstandardisedwithsplesples. xls Outras formas de interação bidirecional tramas que podem ser úteis para usuários experientes: Quadratictwo-wayinteractions. xls - para plotar curvilíneo interações entre um quadratic principal efeito e um moderador (ver abaixo) 2-waylogisticinteractions. xls - para Traçando interações de regressão logística binária 2-waypoissoninteractions. xls - para traçar interações de modelos lineares generalizados com um resultado de Poisson. Também funciona para qualquer outro resultado usando um log link 2-waywithalloptions. xls - uma versão generalizada das planilhas principais, permitindo qualquer combinação de IV contínuo / IV e moderador, e incluindo um teste de inclinação simples (veja aviso anterior sobre isso). Também permite que as inclinações sejam plotadas em valores do moderador escolhido pelo usuário. Para testar as interações de três vias (geralmente consideradas como uma relação entre uma variável X e uma variável dependente Y, moderada pelas variáveis ​​Z e W), execute uma análise de regressão, incluindo todas as três variáveis ​​independentes, os três pares de interações bidirecionais Termo de interação de três vias. Recomenda-se que todas as variáveis ​​independentes sejam normalizadas antes do cálculo dos termos do produto. Embora isso não seja essencial. Tal como acontece com as interações bidirecionais, os termos de interação em si não devem ser padronizados após o cálculo. O termo de interação de três vias deve ser significativo na equação de regressão para que a interação seja interpretável. Se você deseja usar o teste Dawson amp Richter (2006) para diferenças entre declives, você deve solicitar a matriz de covariância de coeficientes como parte da saída de regressão. Se você estiver usando o SPSS, isso pode ser feito selecionando a matriz de covariância na seção Coeficientes de regressão da caixa de diálogo Estatísticas. Observe que a variância de um coeficiente é a covariância desse coeficiente com ela mesma - isto é, pode ser encontrada na diagonal da matriz de covariância de coeficientes. Se você usou variáveis ​​não padronizadas. Você pode plotar seu efeito de interação inserindo os coeficientes de regressão não padronizados (incluindo intercepto / constante) e significa os desvios padrões de amp das três variáveis ​​independentes (X, Z e W) na seguinte planilha. Se você tiver variáveis ​​de controle em sua regressão, os valores da variável dependente exibida no gráfico serão inexatos a menos que você padronize todas as variáveis ​​de controle primeiro (embora o padrão e, portanto, a interpretação, esteja correto). Para usar o teste de diferenças de declive, você também deve inserir as covariâncias dos coeficientes XZ, XW e XZW da matriz de covariância de coeficientes eo número total de casos e número de variáveis ​​de controle em sua regressão. 3-wayunstandardised. xls Se você usou variáveis ​​padronizadas. Você pode plotar seu efeito de interação inserindo os coeficientes de regressão apenas não padronizados (incluindo interceptar / constante) na seguinte planilha. Se você tiver variáveis ​​de controle em sua regressão, os valores da variável dependente exibida no gráfico serão imprecisos, a menos que você também padronize todas as variáveis ​​de controle primeiro (embora o padrão e, portanto, a interpretação, sejam corretos). Para usar o teste de diferenças de declive, você também deve inserir as covariâncias dos coeficientes XZ, XW e XZW da matriz de covariância de coeficientes eo número total de casos e número de variáveis ​​de controle em sua regressão. 3-waystandardised. xls Outras formas de interação de três vias que podem ser úteis para usuários experientes: Quadraticthree-wayinteractions. xls - para plotar interações curvilíneas entre um efeito principal quadrático e dois moderadores (veja abaixo) 3-waylogisticinteractions. xls - para Traçando interações de três vias a partir da regressão logística binária 3-waywithalloptions. xls - uma versão generalizada das planilhas principais, permitindo qualquer combinação de IV contínuo / IV e moderadores, incluindo um teste de inclinação simples (ver aviso anterior sobre isso), bem como a Testes de diferença de declive. Também permite que as inclinações sejam plotadas em valores específicos dos moderadores escolhidos pelo usuário. Nota: uma versão anterior do modo 3 com todas as opções incluía um erro no teste de diferença de declive: desculpas por qualquer inconveniente causado. Isso agora foi corrigido. Se você deseja traçar um efeito quadrático (curvilíneo), você pode usar uma das seguintes planilhas do Excel. Em cada caso, teste o efeito quadrático incluindo o efeito principal (IV) juntamente com o seu termo quadrático (isto é, IVIV) na regressão. No caso de uma relação simples (não moderada), a significância do termo quadrático determina se há um efeito quadrático. Se você está testando uma relação quadrática moderada, é o significado da interação entre o termo quadrado eo moderador (s) que determina se há um efeito moderado. Observe que, apesar disso, todos os termos de ordem inferior precisam ser incluídos na regressão: então, se você tiver uma variável independente A e moderadores B e C, então para testar se há uma interação de três vias que você precisaria digitar todos os Seguintes termos: A, AA, B, C, AB, AC, AAB, AAC, BC, ABC, AABC. É apenas o último, no entanto, que determina o significado da interação quadrática de três vias. Para traçar efeitos quadratic simples, use Quadraticregression. xls Para plotar efeitos quadráticos moderados por uma variável, use Quadratictwo-wayinteractions. xls Para plotar efeitos quadráticos moderados por duas variáveis, use Quadraticthree-wayinteractions. xls Há uma série de problemas comuns encontrados ao tentar Para traçar esses efeitos. Se você estiver tendo problemas, considere o seguinte: Se o gráfico não aparecer, pode ser porque ele está fora da escala. Você pode alterar a escala da variável dependente clicando com o botão direito do mouse no eixo e selecionando Formatar eixo Certifique-se de inserir os coeficientes de regressão não padronizados, independentemente de estar ou não usando variáveis ​​padronizadas. Se você usar variáveis ​​padronizadas, Produto) a partir das variáveis ​​padronizadas, mas não padronizar os próprios termos de interação Quando se realizam testes de inclinação simples ou de diferença de inclinação, é fácil inserir os números errados para variâncias e covariâncias de coeficientes SPSS é propenso a imprimir as covariâncias em uma ordem diferente Dos próprios coeficientes de regressão, o que pode ser confuso. Além disso, o SPSS imprime automaticamente uma matriz de correlação dos coeficientes acima da matriz de variância-covariância: assegure-se de que você não digite estes erros. Note-se que as variâncias dos coeficientes estão ao longo da diagonal desta matriz: p. A variância do coeficiente Var1Var2 é a covariância desse coeficiente com ela mesma. Se você acha que há algum erro nessas folhas, entre em contato comigo, Jeremy Dawson. Aiken, L. S. amp West, S. G. (1991). Regressão múltipla: Testando e interpretando interações. Newbury Park, Londres, Sage. Dawson, J. F. (2014). Moderação na pesquisa gerencial: O quê, por que, quando e como. Journal of Business and Psychology, 29, 1-19. (Este artigo inclui informações sobre a maioria dos testes incluídos nesta página, bem como muito mais Clique aqui para este artigo.) Dawson, J. F. amp Richter, A. W. (2006). Probing interações de três vias em regressão múltipla moderada: Desenvolvimento e aplicação de um teste de diferença de declive. Journal of Applied Psychology, 91, 917-926. Outros recursos on-line O site da Kristopher Preachers contém modelos para testar encostas simples e descobre regiões de significância para interações bidirecionais e de 3 vias. Também inclui opções para modelagem linear hierárquica (HLM) e análise de curva latente. Yung-jui Yangs site contém macros SAS para traçar efeitos de interação e executar os testes de diferença de declive para interações de três vias Cameron Bricks site contém instruções sobre como traçar uma interação de três vias e testar as diferenças entre as inclinações em StataWelcome para o Instituto Para Pesquisa Digital e Educação FAQ Stata Como posso entender uma interação categórica por contínua (Stata 12) Primeiro, vamos começar com o que significa uma significativa categórica por interação contínua. Significa que a inclinação da variável contínua é diferente para um ou mais níveis da variável categórica. Usaremos um exemplo do conjunto de dados hsbdemo que possui uma interação categórica estatisticamente significativa por interação contínua para ilustrar uma possível abordagem explicativa. A variável categórica é feminino. Uma variável zero / uma com as fêmeas codificadas como uma. A variável preditor contínua, socst. É uma pontuação de teste padronizada para estudos sociais. Começaremos por executar o modelo de regressão e graficar a interação. Observe que usamos c. socst para indicar que socst é uma variável contínua. Observando o gráfico, podemos ver que as duas linhas de regressão não são paralelas e que a linha para as fêmeas cai acima da linha para os machos. Como poderíamos dizer que as fêmeas são mais altas do que os machos O ​​coeficiente feminino é positivo (15,00) o que nos diz que o nível para as fêmeas é maior do que para os machos. Vamos interpretar os coeficientes para este modelo começando com a constante (17.76). Este é o valor da interceptação para socst regredido em escrever para machos. Isto é, o valor esperado para escrita quando ambos socst e fêmea são iguais a zero. O coeficiente para socst é .6247 que é a inclinação da linha de regressão para o grupo masculino. O valor para a interação feminina por socst é -2047 que é a diferença de inclinação entre o grupo masculino e feminino, isto é, a inclinação para o grupo feminino seria de cerca de 0,6248 - 0,2047 .4201. Também podemos obter as inclinações para os dois grupos usando o comando margens. A diferença entre machos e fêmeas pode ou não ser significativamente diferente para diferentes valores de socst. O que vamos fazer é olhar para a diferença masculino-feminino para vários valores de socst usando o comando margens. Vamos deixar socst variam entre 25 e 70 em incrementos de 5. Portanto, o valor de escrita para os machos no socst 25 é 33.38182 como mostrado na linha 1. O mesmo valor para as fêmeas é 43.26361 como mostrado na linha 11. Aqui estão as diferenças em Os dois valores, 43.26361 - 33.38182 9.88179. Podemos obter essa diferença para todos os valores de socst usando o comando margens com a opção dydx. Agora, podemos graficar essas diferenças usando o comando marginsplot. Podemos ver que as diferenças entre machos e fêmeas são significativas para valores de socst abaixo de cerca de 60. Este gráfico é bom e conta a história que queremos saber, mas não é o melhor gráfico que podemos desenhar. Ao reformular as linhas e os intervalos de confiança, obtemos um gráfico muito mais nítido. Ah, isso é muito melhor. O gráfico mostra que as diferenças entre homens e mulheres diminuem com o aumento do valor de socst. Sempre que o intervalo de confiança de 95 para a diferença não incluir zero, a diferença pode ser considerada como sendo estatisticamente significativa. Isto parece ser o caso para todos os valores de socst até cerca de 60. Para valores socst maiores do que 60 a diferença machos / fêmea não é significativa. Uma variável categórica de três níveis E se a sua variável categórica tiver mais de dois níveis. O conjunto de dados catcon3l tem um preditor categórico, b. Com três níveis. A variável resposta é y eo preditor categórico é x. Aqui está o modelo de regressão com c. x indicando que o x é contínuo. Os comandos testparm e / ou contraste mostram que a interação global é estatisticamente significativa. Em seguida, calcularemos as inclinações simples usando o comando margens. A inclinação para b 1 parece ser diferente das inclinações de b igual a 2 ou 3. Agora, vamos representar graficamente as inclinações juntamente com um diagrama de dispersão dos dados. Faremos isso executando silenciosamente as margens (para suprimir a grande saída) seguido de um comando marginsplot com o scatterplot adicionado. Vamos ver se a inclinação para b 3 é significativamente diferente de cada uma das outras duas encostas. Vamos testar isso usando contrastes de referência com o comando margens. Indicaremos que a inclinação 3 é a referência usando b3 ea codificação do grupo de referência com r que se combinam com rb3. Vemos que a inclinação 3 é significativamente diferente da inclinação 1, mas não é diferente da inclinação 2. Olhando para as três vertentes, pode-se perguntar onde as diferenças entre os grupos são estatisticamente significativas. A maneira mais natural de fazer isso é escolher um grupo de referência, desta vez b 1 e ver onde os valores de b 2 são diferentes e, em seguida, o mesmo para b1 versus b3. Novamente, o comando margens com a opção dydx vem à mente. O primeiro bloco de resultados, 2.b compara b1 com b2 e são significativos para valores de x menos que n 70. O segundo bloco, b3 compara b1 com b3 e são significativos para valores de x menos thatn 60. Lets o gráfico estes resultados das margens. A área azul sombreada é b1 vs b2, enquanto a área sombreada vermelha é b1 vs b3. O gráfico reafirma nossa interpretação da tabela de margens. O conteúdo deste site não deve ser interpretado como um endosso de qualquer site, livro ou produto de software específico pela Universidade da Califórnia.