3.1.5 交互作用检验

3.1.5 交互作用检验 - 图1

是否教育对工资的提升在男性中比女性中更多?

上图来自两个不同的拟合。我们需要公式化一个简单的模型来检验总体倾斜的差异。这通过"交互作用"来完成。

In [22]:

  1. result = ols(formula='WAGE ~ EDUCATION + C(SEX) + EDUCATION * C(SEX)', data=data).fit()    
  2. print(result.summary())
  1.                             OLS Regression Results                            
  2.  ==============================================================================
  3. Dep. Variable:                   WAGE   R-squared:                       0.190
  4. Model:                            OLS   Adj. R-squared:                  0.186
  5. Method:                 Least Squares   F-statistic:                     41.50
  6. Date:                Thu, 19 Nov 2015   Prob (F-statistic):           4.24e-24
  7. Time:                        12:06:38   Log-Likelihood:                -1575.0
  8. No. Observations:                 534   AIC:                             3158.
  9. Df Residuals:                     530   BIC:                             3175.
  10. Df Model:                           3                                         
  11. Covariance Type:            nonrobust                                         
  12.  =========================================================================================
  13.                             coef    std err          t      P>|t|      [95.0% Conf. Int.]
  14.  ------------- ------------- ------------- ------------- ------------- ------------------------
  15. Intercept                 1.1046      1.314      0.841      0.401        -1.476     3.685
  16. C(SEX)[T.1]              -4.3704      2.085     -2.096      0.037        -8.466    -0.274
  17. EDUCATION                 0.6831      0.099      6.918      0.000         0.489     0.877
  18. EDUCATION:C(SEX)[T.1]     0.1725      0.157      1.098      0.273        -0.136     0.481
  19.  ==============================================================================
  20. Omnibus:                      208.151   Durbin-Watson:                   1.863
  21. Prob(Omnibus):                  0.000   Jarque-Bera (JB):             1278.081
  22. Skew:                           1.587   Prob(JB):                    2.94e-278
  23. Kurtosis:                       9.883   Cond. No.                         170.
  24.  ==============================================================================
  26. Warnings:
  27. [1] Standard Errors assume that the covariance matrix of the errors is correctly specified.

我们可以得出结论教育对男性的益处大于女性吗？

带回家的信息

  • 假设检验和p-值告诉你影响 / 差异的显著性
  • 公式 (带有类别变量) 让你可以表达你数据中的丰富联系
  • 可视化数据和简单模型拟合很重要!
  • 条件化 (添加可以解释所有或部分方差的因素) 在改变交互作用建模方面非常重要。