R中含交互分类变量的OLS模型奇异值问题排查

Let's work through your questions step by step, using your sample data to clarify what's happening behind the scenes:

1. 因子变量 vs 手动编码0/1数值变量的交互差异 #

确实，在常规主效应回归中，因子变量和手动编码的0/1数值变量效果一致，但交互项的处理逻辑完全不同：

• 当Employed是数值型（0/1）时，R会计算Employed * 每个因子的非基准水平，也就是只生成就业群体（Employed=1）和各工作特征的交互项，失业群体（Employed=0）的交互项全为0，会被自动从模型中剔除（因为和截距完全共线）。
• 当Employed是因子变量时，R会为Employed的所有水平（包括基准水平0）生成与后续因子的交互项，比如Employed0:Jobtype0、Employed0:Workdays0这类组合。而这些组合的取值全为0（失业群体的Jobtype/Workdays/Position都是0），完全依赖于截距项，导致严重的多重共线性，所以这类变量会被标记为奇异值，系数无法估计。

看你的reg2结果，就能看到一堆Employed0:XXX0的项，这些就是导致奇异值增多的原因。

2. 数值型虚拟变量与因子变量交互是否可行？ #

完全可行，甚至这正是你需要的编码方式！
你的研究目标是以失业群体为基准，观察就业群体各特征的效应，用数值型Employed（0=失业，1=就业）和因子变量交互，刚好能实现这个需求：

• 模型中仅保留Employed=1时与各工作特征的交互项，失业群体的效应完全由截距+Gender+Age的主效应体现，不会引入冗余的共线变量。
• 对比你的reg结果，没有奇异值问题，所有交互项都是有意义的就业群体特征效应，这正是你想要的输出。

3. 奇异值问题的原因 & 基准组交互项出现的解释 #

奇异值的核心原因：完全多重共线性 #

当你把Employed设为因子变量时，R会生成所有水平组合的交互项，包括：

• Employed0:Jobtype0：失业群体的Jobtype都是0，所以这个变量的取值全为0，和截距项完全共线；
• 类似的Employed0:Workdays0、Employed0:Position0也都是全0变量，和截距或其他全0变量共线。
  这些完全共线的变量会被R标记为奇异值，无法估计系数。

基准组交互项出现的原因 #

当Employed是因子变量时，R默认不会自动剔除基准水平的交互组合。它会把Employed的每个水平（0和1）都与Jobtype/Workdays/Position的每个水平（包括0）进行交互，所以基准组的交互项会出现在结果中——但这些项没有实际意义，因为它们的取值全为0，完全依赖于截距项。

而当Employed是数值型时，Employed=0会让所有交互项取值为0，R会自动识别这种共线性并剔除这些冗余项，所以结果中不会出现基准组的交互项。

内容的提问来源于stack exchange，提问作者Daniel Cho