U15 Interaktion Flashcards
(14 cards)
Interaktion
Når effekten af X på Y afhænger af værdien af Z.
Er en form for nonlinearitet, hvor sammenhængen mellem X og Y varierer over forskellige niveauer af Z.
”Z påvirker/modererer sammenhæng mellem X og Y.”
”Hvor meget ændrer effekten af X på Y sig, når Z stiger med 1?”
Form: E(Y) = B0+B1X+B2Z+B3XZ
Marginal effekt
Den betingede effekt af X på Y for en given værdi af Z (fx: “Hvad er effekten af indkomst på MF’s popularitet blandt private ansatte?”).
Margins viser den Z-betingede marginaleffekt af X på Y, dvs. viser hvordan sammenhængen mellem X og Y varierer på tværs af Z.
Linearitetsantagelse: (Interaktion)
Antagelsen om, at interaktionen mellem X og Z er lineær (konstant ændring i effekt).
Angiver her, om Z påvirker sammenhængen mellem X og Y lineært, dvs. om effekten af Z på sammenhæng ml. X og Y er konstant. Hvis ikke, så introduceres der bias i modellen.
Testes via interflex: Binner Z i 3 gruppe svarende til hver tredjedel af data, og estimerer effekten af Z på sammenhæng ml. X og Y for hver af disse tre grupper.
Interflex:
R-pakke til at teste linearitet i interaktioner ved at opdele Z i grupper.
Dummy-interaktion
Omdannelse af en kontinuert Z til kategorier (fx lav/mellem/høj indkomst) for at håndtere ikke-lineære interaktioner.
Multivejsinteraktion
Interaktion mellem flere variable (fx X × Z1 × Z2), der gør fortolkning kompleks.
Flere interaktioner (fx trevejs) er mulige, men komplekse og reducerer statistisk power.
Generelt undgås, medmindre der er stærk teoretisk begrundelse.
Wald-test
Hypotesetest: Tester om interaktionsleddet er lineært, under antagelse af H0: interaktionsleddet er lineært
Statistisk test for om en mere fleksibel model (fx ikke-lineær interaktion) passer bedre end den lineære.
Fortolkning af koefficienter (Interaktion)
B0: Forventet værdi, når alle variable holdes konstante på 0.
B1: Y ændrer sig med B1, når X stiger med 1 og Z holdes konstant på 0
B2: Y ændrer sig med B2, når Z stiger med 1 og X holdes konstant på 0
B3: Sammenhængen mellem X og Y stiger med B3, når Z stiger med 1
Interaktionsleddet er matematisk symmetrisk (men ikke nødvendigvis fortolkningsmæssigt)
Visualisering (Interaktion)
Marginaleffektplot, der viser effekten på Y af en stigning i X på 1, over de forskellige niveauer af Z.
Alternativt: Vis sammenhæng mellem X og Y i alm. two-way graph, men med linjer der repræsenterer forskellige niveauer af Z.
Ekstrapolation
Problem: At udtale sig på baggrund af modellen om (ekstreme, dvs. meget høje eller lave) niveauer på vores variable (primært X og Z), men hvor der ikke er tilstrækkelig data
Interpolation
Problem: At udtale sig på baggrund af modellen om niveauer på X og Z, som ligger mellem de punkter, hvor der rent faktisk er data, dvs. ekstremerne trækker i siderne.
Common Support
Interaktionsmodel kræver, at der er skal være data for alle niveauer af X og Z, som vi gerne vil sige noget om.
OLS antagelser for inferens (Interaktion)
Samme som altid, men med tilføjelse af: Linearitet i interaktionsled
Skal håndteres ved brud, f.eks. ved at dele kontinuert variable op i grupper og behandle som kategorisk)
Vigtig pointe (Interaktion)
Interaktioner udvider mulighederne for at teste komplekse teorier, men kræver omhyggelig visualisering og antagelsestesting.
Husk: Fortolkningen af β1 og β2
ændrer sig, når der inkluderes en interaktion – de repræsenterer nu effekter ved Z=0(som måske ikke er meningsfuldt).