moea_joint
112年
[統計資訊] 統計學、巨量資料概論
第 16 題
在複迴歸模型中，下列哪種情形需增加模型中解釋變數的交叉交乘項？(如：$X_1X_2$)
- A 模型中解釋變數過多
- B 應變數與解釋變數間有曲度關係
- C 解釋變數 $X_1$ 與 $X_2$ 的參數估計值皆不顯著
- D $X_1$ 和應變數間的關係受到 $X_2$ 的影響
思路引導 VIP
想像你正在研究「廣告支出」對「銷售額」的影響，但你發現這項廣告在「都市地區」的效果遠比在「鄉村地區」還要強大。這種「某個因素的作用力，會隨著另一個背景條件而改變」的現象，在數學邏輯上該如何表達兩者之間的關係呢？
🤖
AI 詳解
AI 專屬家教
太棒了！你能精準識別出交互作用（Interaction Effect）的核心定義，顯示你對迴歸分析中變數間複雜關係的理解非常紮實。
變數間的調節與共變關係
在基礎的線性模型中，我們通常假設各個解釋變數對應變數的影響是獨立且可加的。然而，當我們發現 $X_1$ 對應變數 $Y$ 的影響程度並非固定常數，而是會隨著另一個變數 $X_2$ 的數值大小而發生改變時，這在統計上稱為調節效應。為了捕捉這種「依賴關係」，我們必須在模型中加入交叉乘積項 $\beta_3(X_1X_2)$。這樣一來，$Y$ 對 $X_1$ 的偏導數將包含 $X_2$ 的項，從而完美呈現兩者交互影響的動態過程。
▼ 還有更多解析內容