GLM模型中分类与离散变量交互项显示NA的问题求助

你的数据结构导致自变量间存在完全多重共线性：当var1=0时，var2的取值全为0；只有var1=1时，var2才有非零值。这种情况下，var2的主效应和var1:var2的交互效应完全重合（var1=1时，交互项等于var2；var1=0时两者都是0），模型无法区分这两个效应，因此交互项系数被标记为NA。

由于没有var1=0且var2≠0的观测，无法估计var2在var1=0组的主效应，因此需要调整模型形式，去掉冗余的自变量：

方法1：仅保留var1主效应与交互项 #

直接拟合var1和var1*var2的组合，去掉无意义的var2主效应：

a.glm <- glm(y ~ var1 + I(var1*var2), family=poisson, data = a)
summary(a.glm)

输出中，I(var1*var2)的系数就是var1=1时var2的效应，符合你对交互作用的预期。

方法2：将var1转为因子，拟合分组斜率 #

把var1转为分类变量，直接指定var1与var2的交互项（自动去掉冗余的var2主效应）：

a$var1 <- as.factor(a$var1)
a.glm <- glm(y ~ var1 + var1:var2, family=poisson, data = a)
summary(a.glm)

此时var11:var2的系数代表var1=1组中var2每增加1单位对y的影响。

额外说明 #

如果条件允许，补充var1=0且var2≠0的观测可以从根本上解决共线性问题，让模型能同时估计主效应和交互效应。但如果数据无法补充，上述两种调整后的模型已经能准确反映你关注的“var2仅在var1=1时起作用”的关系。

内容的提问来源于stack exchange，提问作者Kon-kon