线性回归模型：犯罪恐惧与状态/特质焦虑的建模公式咨询

针对用线性回归探究犯罪恐惧（fear of crime）与状态焦虑（state anxiety）、**特质焦虑（trait anxiety）**的函数关系，以下是对应建模方案：

1. 仅以状态焦虑为预测变量 #

数学模型公式：

犯罪恐惧 = β₀ + β₁×状态焦虑 + ε

对应R代码：

model_state <- lm(fear_of_crime ~ state_anxiety, data = crime_replication)
summary(model_state)

2. 仅以特质焦虑为预测变量 #

数学模型公式：

犯罪恐惧 = β₀ + β₁×特质焦虑 + ε

对应R代码：

model_trait <- lm(fear_of_crime ~ trait_anxiety, data = crime_replication)
summary(model_trait)

3. 同时纳入两种焦虑（共同作用） #

数学模型公式：

犯罪恐惧 = β₀ + β₁×状态焦虑 + β₂×特质焦虑 + ε

对应R代码：

model_both <- lm(fear_of_crime ~ state_anxiety + trait_anxiety, data = crime_replication)
summary(model_both)

可选：加入交互项（探究两种焦虑的交互影响） #

若想验证状态焦虑与特质焦虑是否存在协同作用，可使用该模型：
数学模型公式：

犯罪恐惧 = β₀ + β₁×状态焦虑 + β₂×特质焦虑 + β₃×状态焦虑×特质焦虑 + ε

对应R代码：

model_interaction <- lm(fear_of_crime ~ state_anxiety * trait_anxiety, data = crime_replication)
summary(model_interaction)

注意事项 #

• 请将代码中的fear_of_crime、state_anxiety、trait_anxiety替换为你数据集里的实际变量名
• 运行summary()可查看模型系数显著性、拟合度等核心指标

内容的提问来源于stack exchange，提问作者Mustafa