2つのカテゴリ変数と相互作用を持つ複数の線形回帰における係数とp値の解釈方法

Question

私は線形回帰を初めて使用していますので、複数の線形回帰の出力を2つのカテゴリの予測変数相互作用の用語。

私は、次の線形回帰ました：

LM（H1A1c〜母音*スピーカー、データ=データ）

母音とスピーカーの両方のカテゴリ変数です。母音は「呼吸」、「モーダル」、「ぎらつき」の4種類があります（F01、F02、M01、M02）。私は、これら2つのカテゴリーの組み合わせがH1A1cの値を予測できるかどうかを見たいと思います。私は間違っているが、私たちは私の変数のほとんどの間の関係が線形として特徴付けることができないと、この出力から見ることができると思うなら、私を修正してください Output of lm

：

私の出力がこれです。 私が実際に理解していないことは、最初のp値をどのように解釈するかということです。私がグーグルで調べたところ、他のすべてのp値は、それぞれの係数とこの係数との関係を参照することがわかった。例えば。第3ラインのp値は、第3ラインの係数と第1ラインの係数との関係、すなわち23.1182-9.6557を指す。 最初の係数のp値はどうですか？関係がない場合、線形の関係はありませんか？このp値は何を参照していますか？

ご回答いただきありがとうございます。

Answer 1

最初のp値（インターセプト）は、フィッティングされたラインのy切片がゼロになる可能性があることを示します（原点を通ります）。あなたの結果のp値が0.05よりも低いので、y切片が確かにゼロでないと言うことができます。

他のp値は異なって解釈される。あなたの解釈は、それらが表す変数の係数がゼロであるかどうかという考えを与えるという点で正しいです。

3行目のp値が最初の第3ラインの係数の関係を指す、すなわち23.1182から9.6557

（-9.6557）、平均していることを意味しますGlottalContext = breath（ここではbreathyはここの参照カテゴリなので）と比較して、GlottalContext = creaky（すなわちGlottalContextcreaky = 1）の場合、H1A1cの予測値は9.6557単位低くなります。これは明らかに対応するp値がGlottalContextcreakyの場合である0.05より小さい場合です。

（また、H1A1cが連続変数であると仮定した場合、H1A1cを予測するために線形回帰を選択することは、両方の予測変数がカテゴリー的なので最善の方法でしょうか。他のアルゴリズム（例：従属変数をカテゴリに変換し、バイナリ/多項ロジスティック回帰または決定木を使用）