Python中Probit回归两个分类变量交互项的正确添加方法

1. 变量名大小写不统一：公式中同时出现小写gender和大写Gender，数据集无对应Gender字段时会导致patsy语法解析异常，触发分类数据维度报错
2. 公式符号使用错误：statsmodels公式语法中*代表同时生成两个变量的主效应+交互项，你已经手动写入了gender、treatment1、treatment2的主效应，重复解析会触发异常
3. 存在变量拼写错误：公式中的contorl3为拼写错误，正确应为control3，也会导致变量识别异常

场景1：gender、treatment1、treatment2已提前编码为0/1数值型虚拟变量 #

使用:符号仅生成交互项即可，不会重复计算主效应：

probit_model = probit("decision ~ gender + treatment1 + treatment2 + control1 + control2 + control3 + treatment1:gender + treatment2:gender", data_probit).fit()

场景2：gender为未编码的原生分类变量（如取值为男/女的字符串、Categorical类型） #

用C()函数包裹分类变量，告知patsy自动完成虚拟变量编码后计算交互项：

probit_model = probit("decision ~ C(gender) + treatment1 + treatment2 + control1 + control2 + control3 + treatment1:C(gender) + treatment2:C(gender)", data_probit).fit()

通过上述原生语法生成的交互项完全符合统计模型底层逻辑，后续调用get_margeff()方法计算边际效应时，会自动基于treatment和gender的交叉导数计算结果，不需要额外手动调整。你之前手动构造交互项的方法得到的系数和原生语法结果一致，但原生语法可以避免边际效应计算时的手动推导错误。

内容的提问来源于stack exchange，提问作者rosa