负二项式回归中交互作用的简单斜率答案

【问题标题】：Simple slopes for interaction in Negative Binomial regression负二项式回归中交互作用的简单斜率
【发布时间】：2014-07-27 03:43:27
【问题描述】：

当将另一个预测变量约束到负二项式 glm 中的特定值时，我希望获得一个预测变量的参数估计值，以便更好地解释交互效应。

我的模型是这样的：

model <- glm.nb(outcome ~ IV * moderator + covariate1 + covariate2)

因为IV:moderator 项很重要，我想在moderator 的特定值（即+1 和-1 SD）下获得IV 的参数估计值。我可以使用visreg 包在moderator 的各个级别获得IV 的斜率估计，但我不知道如何估计SE 和测试统计数据。 moderator 是一个连续变量，因此我不能使用 multcomp 包和其他用于查找简单斜率的包（例如，pequod 和 QuantPsyc）与负二项式回归不兼容。谢谢！

【问题讨论】：

考虑发布一个小的（可能是假的）数据集，以便您的代码实际运行。不过，我想知道 Cross Validated 是否更适合解决您的问题，如果它更多地是关于统计而不是编程。
这里有一个predict.glm函数。

标签： r regression interaction

【解决方案1】：

如果您想限制回归中的某个值，请考虑将该变量从模型中取出并将其作为偏移量添加。例如样本数据。

dd<-data.frame(
   x1=runif(50),
   x2=runif(50)
)

dd<-transform(dd, 
   y=5*x1-2*x2+3+rnorm(50)
)

我们可以使用x1 和x2 作为参数来运行模型

lm(y ~ x1 + x2,dd)

# Call:
# lm(formula = y ~ x1 + x2, data = dd)
# 
# Coefficients:
# (Intercept)           x1           x2  
#    3.438438     4.135162    -2.154770

或者说我们知道x2的系数是-2。那么我们不能估计x2，而是把那个词作为偏移量放进去

lm(y ~ x1 + offset(-2*x2), dd)

# Call:
# lm(formula = y ~ x1 + offset(-2 * x2), data = dd)
# 
# Coefficients:
# (Intercept)           x1  
#    3.347531     4.153594

offset() 选项基本上只是创建一个系数始终为 1 的协变量。尽管我已经用lm 进行了演示，但同样的方法应该适用于glm.nb 和许多其他回归模型。

【讨论】：