两个变量相乘_离散型调节变量——该如何设定模型？

连享会[4]-直播平台上线了！
http://lianxh.duanshu.com 

直播：动态空间面板 | 空间双差分 SDID

离散型调节变量——该如何设定模型？

❝

「Source:」 Benjamin Ferland. 2018. The Alternative Specification of Interaction Models With a Discrete Modifying Variable . The Political Methodologist.

❞

自从 Brambor，Clark 和 Golder (2006) (以下简称 BCG ) 在《Political Analysis》中发表文章以来，我们对交互模型有了更深的理解，现在大多数实证学者也已经整合了正确执行和解释交互模型的工具。其中，BCG 的主要建议之一是在进行模型设定的时候，将交互作用的所有构成项都包含在模型中。

然而，BCG 也在其论文的公式 (7) 中指出，当一个调节变量 () 是离散型变量时，进行模型设定时可以从交互模型中去掉某些构成项，此时的模型设定 (后文简称「「替代设定」」) 和原有的设定方法 (后文简称「「标准设定」」) 是等价的。

遗憾的是，这种「「替代设定」」方式并没有得到学术界的广泛认可。因此，本文的目的在于详细说明二者等价的原因，并提供一些实际的例子。

在下一部分，我将展示关于模型设定的 BCG 「「标准设定」」和「「替代设定」」的等价性。然后，我提供了在实际情况下应用这两种方法的简短示例—— Adams et al. (2006) 的研究《小众政党与主流政党有本质区别吗？》,通过示例的结果分析可以发现，进行模型设定时，无论是使用 BCG 提出的标准方法还是替代方法，都可以得到相同的结果。

总的来说，虽然两种模型设定的方法的效果是相同的，但是在解释回归结果方面，这两种模型设定的方法各有一些优势。

• 「「标准设定」」的优点是可以在回归结果中直接显示变量 对变量 的边际效应的差异在调节变量 的各个类别之间是否具有统计显著性。
• 「「替代设定」」的主要优点是可以在回归结果中直接显示变量 在调节变量 的每个类别下的边际效应。因此，研究人员可以根据他们想要展示和强调的结果在两个等价的模型设定的方法之间进行选择。

简言之，简言之，「「标准设定」」可以显示「系数差异」，而「「替代设定」」则有助于显示系数的原始数值。

1. 模型设定的标准方法和替代方法之间的等价性

这里，我以一个因变量 为例，它受到连续变量 和虚拟变量 交互作用的影响。我先展示两种模型设定方式，进而说明他们的关系和区别。

1.1 标准设定

BCG 的「「标准设定」」要求在模型中同时放入 、 和交乘项 (后文简写为 ) ，即：

其中， 是连续变量， 是虚拟变量。当 时 的边际效应 () 等于 ，而当 时 的边际效应则等于 + 。

1.2 替代设定

BCG (参见等式 7 ) 和 Wright (1976) 提到的模型设定的替代方法是将虚拟变量 视为两个虚拟变量：原始变量 (等于 0 和 1) 以及 的反面 (当 时为 1，当 时为 0)。例如，如果 是一个虚拟变量，其中 1 代表民主国家，0 代表专制国家，那么 则是一个相反的虚拟变量，其中 1 代表专制国家， 0 代表民主国家。因此， 并且 。

模型设定的替代方法如下：将 分别与 和 相乘得到新的交乘项 和 ，其次将这两个交乘项和虚拟变量 或 中的其中一个虚拟变量纳入模型中。

需要说明的是，由于 、 以及常数项这三者是完全共线性的，因此在模型中放入常数项后，只需包含 或 的其中一个。同理，由于模型中已经包含两个交乘项&