在回归模型中，我们经常会用到交叉变量，考察核心解释变量与某控制变量的交叉效应，或者用解释变量的高次项来刻画与被解释变量的非线性关系。今天的推文我们简单介绍如何在回归中生成交叉变量和二次项。

webuse fvex,clear

des

其中sex表示性别，是虚拟变量；age和distance分别表示年龄和距离，是连续变量。

首先，我们生成虚所拟变量与连续变量的交叉项。当然可以通过gennerate新的变量表示交叉项，但也有更简便的方法。虚拟变量用i作前缀，连续变量用c作前缀，用#表示两个变量的交叉变量：

reg y i.sex#c.distance age

回归结果显示，对于male来说，distance负向影响y，对于female来说，distance正向影响y。上面的回归只纳入了交叉变量，并未纳入独立的虚拟变量。在命令中，使用##，可以将虚拟变量本身加入回归模型：

reg y i.sex##c.distance age

回归结果显示，female的distance对y的影响比male高0.0000463。

当然，我们也可以使用两个连续变量的交叉项：

reg y i.sex  c.distance##c.age

假定我们认为y与distance的关系是非线性的，可以尝试把distance的二次项放进回归模型。二次项就相当于distance与distance的交叉。

我们可以看到结果中distance一次项系数为负，二次项系数为正，且都显著，表明distance对y的影响是非线性的。只有当distance大于某个临界点时才会对y有正的影响；当distance小于某个临界点时，其对y的影响是负的。

以上的内容就是生成交叉变量和非线性关系的小技巧。朝花夕拾，旧文重提，希望我们“朝花夕拾”不定期的更新能满足大家的需求。说得好就赏个铜板呗！有钱的捧个钱场，有人的捧个人场，点赞打赏，且随心意。今朝点滴，让我们更进一步；他年涌泉，更好的文章给更好的你。