R语言逻辑回归：多分类变量CB_0718与二分类变量交互项展示疑问

问题背景 #

我在R语言中构建逻辑回归模型，纳入变量如下：

• 四分类变量CB_0718（水平为1、2、3、4，以1为参考水平）
• 二分类变量survyear2018（水平1为参考，水平2为另一水平）
• 二分类变量pov138two

回归后得到的交互项及对应p值如下：

CB_07182:survyear2018, p-value = 0.400468    
CB_07182:pov138two2, p-value = 0.061122  
CB_07183:pov138two2, p-value = 0.230693   
CB_07184:pov138two2, p-value = 0.922266  
survyear2018:pov138two2, p-value = 0.764519  
CB_07182:survyear2018:pov138two2, p-value = 0.290771   

我的疑问：为什么CB_0718排除参考水平外的三个水平与pov138two的交互项全部被展示，但其他交互项仅显示单个水平的组合（如CB_07182:survyear2018、survyear2018:pov138two2、CB_07182:survyear2018:pov138two2）？是否因为CB_07182:pov138two2的p值在α=0.10水平下显著，所以需要拆分CB_0718的水平展示交互方向，而其他交互项不显著就无需拆分？

核心解答 #

这和p值是否显著无关，本质是R对分类变量编码与交互项生成规则的默认处理逻辑：

1. 多分类变量的虚拟编码规则：当多分类变量（如CB_0718，共4个水平）纳入模型时，R默认生成k-1个虚拟变量（这里为CB_07182、CB_07183、CB_07184），以参考水平（1）为基准。
2. 交互项的生成逻辑：
   • 当多分类变量与二分类变量（如CB_0718和pov138two）构建整体交互时，R会为多分类变量的每一个虚拟变量生成与二分类变量的交互项，也就是你看到的3个CB_0718x:pov138two2项——这是模型拟合的默认行为，和p值无关。
   • 你只看到单个水平的其他交互项（如CB_07182:survyear2018），大概率是因为模型公式中仅指定了该单个虚拟变量与另一变量的交互，而非整个多分类变量与另一变量的交互（正确的整体交互写法应为CB_0718 * survyear2018）。如果是指定整体交互，R同样会生成3个对应交互项。
   • 三变量交互同理，若指定CB_0718 * survyear2018 * pov138two，R会生成3个三向交互项，你只看到单个项说明模型仅指定了该水平的交互，或是输出做了筛选。

总结：交互项的展示数量由变量类型（多分类/二分类）和模型中交互项的指定方式决定，和p值是否显著没有关系。

内容的提问来源于stack exchange，提问作者Marta Ventura