X1X2의 계수가 x1계수랑 x2계수의 곱이나 합으로 결정되는게 아님. X1 X2 X1X2 계수의 부호가 어떤 조합으로도 나올 수 있다는 것. 결국 모형에서 x1x2 term을 왜 넣었냐에 따라 해석이 달라짐. 교호작용의 효과로도 해석할 수 있겠고, 시계열적인 요소가 있다면 이중차분법으로 해석할 수도 있을거고
익명(113.130)2020-06-20 15:02
X1만 1단위 증가시키면 Y에 베타1만큼 변화를 주고 X2만 1단위증가시키면 Y에 베타2만큼만 변화시킨다고 보면 됩니다.
그런데 여기서 두 변수를 동시에 1단위 증가시킨다면 각각의 효과외에 서로 시너지효과가 추가적으로 발생해 Y에 영향을 끼칩니다.
이때 시너지효과를 통계학용어로 교호작용이라고 하고 모델에서 표현을 X1 * X2 이렇게 곱의 형태로 표현을 할 뿐입니다.
x1은 음수, x2는 음수, x1*x2는 양수이니 x1, x2를 1단위씩 올리면 각 변수의 음수+음수 효과와 함께 서로 상호작용한 효과 양수 만큼 더해져서
Y에 영향을 끼친다고 보시면 됩니다.
이해가 잘안되시면 통계학입문이나 실험계획법 교재를 참고하세요
X1X2의 계수가 x1계수랑 x2계수의 곱이나 합으로 결정되는게 아님. X1 X2 X1X2 계수의 부호가 어떤 조합으로도 나올 수 있다는 것. 결국 모형에서 x1x2 term을 왜 넣었냐에 따라 해석이 달라짐. 교호작용의 효과로도 해석할 수 있겠고, 시계열적인 요소가 있다면 이중차분법으로 해석할 수도 있을거고
X1만 1단위 증가시키면 Y에 베타1만큼 변화를 주고 X2만 1단위증가시키면 Y에 베타2만큼만 변화시킨다고 보면 됩니다. 그런데 여기서 두 변수를 동시에 1단위 증가시킨다면 각각의 효과외에 서로 시너지효과가 추가적으로 발생해 Y에 영향을 끼칩니다. 이때 시너지효과를 통계학용어로 교호작용이라고 하고 모델에서 표현을 X1 * X2 이렇게 곱의 형태로 표현을 할 뿐입니다. x1은 음수, x2는 음수, x1*x2는 양수이니 x1, x2를 1단위씩 올리면 각 변수의 음수+음수 효과와 함께 서로 상호작용한 효과 양수 만큼 더해져서 Y에 영향을 끼친다고 보시면 됩니다. 이해가 잘안되시면 통계학입문이나 실험계획법 교재를 참고하세요