@whuber在这里给出了一个非常好的答案。我只想添加一点免费积分。该问题指出“预测变量和数据的线性关系无法解释”。这暗示了一个普遍的误解,尽管我通常是在另一端听到的(“平方(立方等)术语的解释是什么?”)。
当我们有一个具有多个不同协变量的模型时,通常可以为每个beta [term]提供自己的解释。例如,如果:
平均绩点ˆÇ ø 升升é 克Ë= β0+ β1个平均绩点ħ 我克ħ 小号Ç ħ ö ö 升+ β2等级+ β3SAT ,
(GPA表示平均绩点;
等级是学生的GPA相对于同一高中其他学生的排名;
SAT表示“学业能力测验”是针对上大学的学生的一项标准,全国性测验)
那么我们可以为每个beta /术语分配不同的解释。举例来说,如果一个学生的高中GPA是1点高-所有其他条件相同-我们希望自己的大学GPA是高点。 β1个
重要的是要注意,但是,并非总是允许以这种方式解释模型。一种明显的情况是,某些变量之间存在相互作用,因为各个术语不可能不同,而其他所有参数保持不变,因此,相互作用术语也必将发生变化。因此,众所周知,当存在交互作用时,我们不会解释主要效果,而只会解释简单效果。
具有幂级数的情况直接相似,但不幸的是,似乎并未得到广泛理解。考虑下面的模型
(在这种情况下,X。旨在表示一个典型的连续协变量)是不可能的X变更,恕不X 2也随之改变,并且反之亦然。简而言之,当模型中存在多项式项时,就不会对基于相同基础协变量的各种项进行单独的解释。 在X 2(X
ÿ^= β0+ β1个x + β2X2
XXX2X2X,等)术语没有任何独立含义。X17 一个事实,即
-power多项式项是在模型“显著”表示有
p - 1在有关的函数“弯曲”
X和
ÿ。不幸的是,但不可避免的是,当存在曲率时,解释会变得更加复杂,并且可能会变得不太直观。为了评估变化
Ÿ为
X的变化,我们将不得不使用微积分。上述模型的导数为:
d ypp − 1Xÿÿ^X
这在预期值的瞬时变化率
ÿ作为
X的变化,所有其他条件相同。这不像顶级模型的解释那么干净。重要的是,
y的瞬时变化率
取决于评估变化的x的水平。另外,
y的变化率是瞬时率。也就是说,它本身在从
xold到
xnew的整个间隔中不断变化
dÿdX= β1个+ 2个β2X
ÿXÿ XÿXÒ 升dXñ Ë W ^。这仅仅是曲线关系的本质。