L10 Interaktion

Question 1

Hvordan fortolkes hældningskoefficienten i interaktionsleddet B3 i interaktionen?

Answer 1

Forskellen i effekt af x på y, når z stiger med 1

Question 2

Hvilken antagelse gælder for kontinuerte interaktionsvariable?

Answer 2

En linearitetsantagelse. Interaktionen er lineær (det holder ikke altid). Sammenhængen mellem X og Y afhænger lineært af Z.

Question 3

Hvordan undersøges linearitetsantagelsen for kontinuerte interaktionsvariable?

Answer 3

Interflex. Interaktion for 33. percentiler (er denne lineær eller non-lineær? Sammenlign prikker med blå linje). Wald-test ift. signifikans.

H0: interaktionen er lineær.

Question 4

Hvad gør du, hvis din kontinuerte interaktionsvariable linearitetsantagelse afvises?

Answer 4

Løsningen er at omkode variablen til en kategorisk variable (eks. lav, middel eller høj indkomst).

Eller evt. transformation.

Question 5

Hvordan laver man interaktioner i stata?

Answer 5

reg y c.x##c.z (hvis kontinuert-kontinuert)

Question 6

Hvad kan du se af postkommandoen margins efter din regression?

Answer 6

Den angiver hældningskoefficienten og p-værdien for forskellige niveauer af z. Beta1 svarer altid til hældningen, når z er 0

Question 7

Hvordan ser din interflex-kommando ud? Hvad bør kendetegne den sidststående variabel?

Answer 7

interflex y x z

(men den kontinuerte bør stå tilsidst, så nogle gange skal z tilsidst, selvom det er kontraintiutivt ift. antagelsen)

Det er pga. symmetri i interaktionsleddet er det er ok!

Question 8

Hvad kan du se af et marginsplot for din interaktion?

Answer 8

De marginale effekter af x på y for forskellige niveauer af z

Question 9

Hvad er “grundleddet”?

Answer 9

Både beta1 og beta2 kaldes grundled for hhv. x og z.

Effekten af hhv. x og z, når den anden holdes konstant.

Question 10

Hvordan fortolkes beta1 i interaktion?

Answer 10

Hvor meget stiger y, når x stiger med 1 og z er 0

Question 11

Hvordan fortolkes beta2 i interaktionen?

Answer 11

Hvor meget stiger y, når z stiger med 1 og x er nul

Ofte ikke særlig interessant :))

Ved dikotom z, angiver den forskellen i gennemsnit mellem grupperne, når x=0

Question 12

Hvad må du konkludere af et insignifikant interaktionsled?

Answer 12

At z ikke interagerer med sammenhængen af x og y.

Skal z indgå som kontrolvariabel i stedet? Er den UVB eller post-treatment? Påvirker den begge variable eller kun en?

Question 13

Hvad er et lille godt trick, hvis man laver margins-kommandoen på en variabel, hvor både x og z er kontinuert?

Answer 13

Dele z op i nogle meningsfulde intervaller og så tolke effekten/sammenhængen partielt

Question 14

Er følgende udsagn korrekt:

En interaktionsvariabel påvirker/har en effekt på sammenhængen mellem x og y.

Answer 14

JA

Question 15

Er følgende udsagn korrekt:

En interaktionsvariabel påvirker både x og y

Answer 15

NEJ. Den påvirker sammenhængen mellem x og y.

Question 16

Hvordan fortæller du STATA, at en variabel er hhv. kategorisk eller kontinuert?

Answer 16

Kategorisk: i.var
Kontinuert: c.var

Question 17

Hvilke ‘typer’ af interaktioner er der (x og z).

Answer 17

Kategorisk-kategorisk (x): two way anova eller one way, hvis det er dummy treatment
Kategorisk-kontinuert (x):
Kontinuert-kategorisk (x)

Question 18

Hvordan får man estimerede effekter af x for forskellige niveauer af z?

Answer 18

Margins, dydx(xvar) at(zvar=(0 1))

Question 19

Hvad er p-hacking?

Answer 19

P-hacking er tendensen til at lede efter statistisk signifikante sammenhænge, som ikke har teoretisk belæg.

Det er nemmere at finde disse ved interaktioner.

Question 20

Hvorfor er det vigtigt med grundig univariat analyse før interaktion?

Answer 20

Hvis din variabel ikke er pænt fordelt, og der eks. ligger en klat (

Question 21

Hvordan laver man robusthedsanalyse ift. at grænsetilfældet, hvor en variabel både kan være kategorisk/kontinuert?

Answer 21

Estimer en model som kontinuert og en som kategorisk.

Tjek linearitet for begge. Holder det?

Question 22

Hvad kan du se i et interflex?

Answer 22

Interflex undersøger, om en interaktion er lineær. Den deler variablen op i tre grupper baseret på 33. og 66. percentil.

Inden for disse grupper er der ”fri variation”, hvor den udregner effekten for hver af de tre gruppers median. Hvis den variation er lineær super, ellers no-get pis.

Den undersøger desuden H0: om interaktionen er lineær.

Question 23

Hvilke antagelser gælder der for interaktion?

Answer 23

Samme som lineær regression:

• linearitet (x, z + X*Z)
• fravær outliers
• homoskedasticitet
• fravær af multikollinearitet
• fravær af selektionsbias (både for x, z og x*z)

Question 24

Er følgende udsagn korrekt:

Interaktionsleddet er symmetrisk.

Answer 24

JA. Derfor lidt en teoretisk diskussion om hvilke variabel, der er x.

Når x stiger x+1, så stiger E(Y) med beta1 + beta3Z
Når x stiger z+1, så stiger E(Y) med beta2 + beta3X

Question 25

Hvordan visualiseres interaktive sammenhænge i STATA?

Answer 25

Med marginsplot, hvor den gennemsnitlige effekt er estimeret for forskellen værdier af x.

Question 26

Hvad er forskellen mellem twoway scatter og almindeligt scatter?

Answer 26

I twoway scatter er det muligt at vise sammenhængen mellem to variable betinget af en tredje variabels værdi (eks. dummy mand/kvinde). Således undersøge om interaktion er relevant.