→ hsnuyi: 舉個例 y是線性的 x1跟x2不是 但是x1+x2是線性的10/27 15:38
※ 編輯: iplfl (42.73.153.69), 10/27/2018 16:11:41
→ iplfl: (應該是0.065不是0.65,已修正)10/27 16:12
→ iplfl: 所以樓上意思是說 有可能simple linear regression 時10/27 16:12
→ iplfl: 單一個X無法顯著解釋Y10/27 16:13
→ iplfl: 但是兩個X同時放入multiple linear regression 時10/27 16:13
→ iplfl: 就都變顯著?10/27 16:13
※ 編輯: iplfl (42.73.153.69), 10/27/2018 16:19:58
→ hsnuyi: 你何不把圖畫出來看看...? 似乎比較容易了解 10/27 18:38
推 evilove: try intereaction effect of x1x2 on y 10/29 03:10
→ yhliu: 正常. 例如正確模型是 X1, X2 都對 Y 有正的關聯, 但 X1,X2 10/29 13:30
→ yhliu: 彼此又有負的關聯, 則做簡單迴歸時, 模型中之解釋變數的作 10/29 13:33
→ yhliu: 用將被不在模型中之該解釋變數所抑制. 或者說, 所考慮之解 10/29 13:36
→ yhliu: 釋變數的作用被該變數透過不在模型中之變數的作用所中和. 10/29 13:38
→ yhliu: 例如考慮 Y = a+b*X1+e, "b*X1" 將包含 Y=a+b1*X1+b2*X2+e 10/29 13:41
→ yhliu: 中之 "b1*X1+b2*X2" (雖非全部). 10/29 13:42