Я работаю над проблемой, в рамках которой мы изучаем влияние показателя, представляющего интерес, на продолжительность пребывания в больнице. В регрессии мы также контролируем ковариату с 3 различными уровнями. При подборе и суммировании подгонки
fit <- ols(y~x1*x2)
summary(fit)
я получаю таблицу эффектов (я также не уверен в «техническом» названии этих значений эффекта?), Чтобы показать влияние наших независимых переменных на 'y 'при переходе от' Низкого 'к' Высшему ', с поправкой на некоторое значение ковариаты - я думаю, что обычно это среднее значение (или режим для категориальных переменных). То, что я хочу сделать, это рассчитать влияние моей переменной интереса для всех значений корректировки моего ковариата. то есть влияние моей переменной x1 на y, меняющейся от низкой к высокой, с поправкой на все значения моего ковариата x2 = 1,2 и 3 (вместо только режима). Любые предложения?
Вот воспроизводимый пример:
library(datasets)
library(rms)
data(iris)
iris$Petal.Length.cat <- cut(iris$Petal.Length,c(min(iris$Petal.Length),3,5,max(iris$Petal.Length)),labels=c(1:3))
iris$Species.virginica = ifelse(iris$Species=='virginica',1,0)
dd <- datadist(iris)
options('dd')
fit <- ols(Sepal.Length~Species.virginica*Petal.Length.cat,data=iris)
summary(fit)
В этом примере я хочу вычислить влияние Species.virginica на Sepal.Length для всех значений. of Petal.Length.cat (1, 2 и 3)
Редактировать: я случайно пропустил решающее взаимодействие в моем первоначальном посте.