带交互项的线性回归疑问：标准化β系数异常偏高该如何解释？

这是个非常典型的困惑，咱们来一步步理清为什么会出现这种看似和零阶相关矛盾的结果：

1. 交互模型里主效应的含义已经变了 #

你最初得到的皮尔逊r=0.3是x和y的零阶相关，代表不考虑z时x对y的平均效应。但当你拟合模型lm(y ~ x + x:z)后，x的标准化β系数（1.07）已经不是“x对y的平均效应”了——它代表的是当z=0时，x对y的效应。

这个数值和零阶相关没有直接可比性，因为交互项的存在把x的效应拆分成了随z变化的部分，主效应只是其中一个特定取值下的结果，出现大幅跳变完全是正常的。

2. 拆解模型的实际效应 #

你的模型等价于：

y = β₀ + 1.07*x - 0.70*x*z

可以整理为：

y = β₀ + x*(1.07 - 0.70*z)

这意味着x对y的效应是随z变化的：

• 当z=0时，x的效应是1.07
• 当z=1时（如果z是标准化后的变量），x的效应是1.07-0.70=0.37
• 当z取更大值时，x的效应会继续降低

而你最初的零阶相关r=0.3，其实是x的效应在整个z的分布上的加权平均结果，所以两者并不冲突，反而刚好对应了效应的范围。

3. 验证结果合理性的步骤 #

• 检查标准化方式：确认你计算标准化β时，是否对x、y、z都做了标准化处理？如果只有部分变量标准化，系数的大小会出现失真。
• 查看交互项的显著性：运行summary(lm(y ~ x + x:z))，看交互项x:z的p值。如果p值显著，说明x的效应确实随z变化，这个结果就是有意义的；如果不显著，可能没必要保留交互项。
• 可视化效应：用ggplot画分组回归线，比如把z分成低、中、高三组，分别画x对y的回归线，直观看到不同z下x的斜率变化，比单纯看系数更能理解实际关系。
• 尝试完整交互模型：建议拟合lm(y ~ x*z)（等价于y ~ x + z + x:z），遗漏z的主效应可能会导致系数估计偏差。对比两个模型的结果，看看是否有明显差异。

内容的提问来源于stack exchange，提问作者nitzan shahar