我正在尝试对我的研究小组中的一篇文章进行分析。
我有一个包含近 80 列的数据，其中三个是我的因变量（AgeGroup、Surface 和 Vision）。这三个变量是二进制的。
我的目标是：看看这三个变量之间是否存在相互作用。
我阅读了一些文本和文章，发现 ANOVA 类型 3 是查看这些交互的最佳方式。
但是，当我编写代码时，我不明白一件事：我尝试了一些代码，看看会发生什么。我看到了这两个代码之间的区别：
model = smf.ols("FES_1 ~ C(AgeGroup, Sum) + C(Surface, Sum) + C(Vision, Sum) + C(AgeGroup, Sum):C(Surface, Sum) + C(Surface, Sum):C(Vision, Sum) + C(AgeGroup, Sum):C(Vision, Sum) + C(AgeGroup, Sum):C(Surface, Sum):C(Vision, Sum)", data=data_semrepetir).fit()
aov_table = sm.stats.anova_lm(model, typ=3)
aov_table
model = smf.ols("FES_1 ~ C(AgeGroup) + C(Surface) + C(Vision) + C(AgeGroup):C(Surface) + C(Surface):C(Vision) + C(AgeGroup):C(Vision) + C(AgeGroup):C(Surface):C(Vision)", data=data_semrepetir).fit()
aov_table = sm.stats.anova_lm(model, typ=3)
aov_table
主要区别是，例如，C(AgeGroup) 和 C(AgeGroup,Sum)。
并且这两个代码中的值是不同的。为什么会这样？
并出现一个术语“拦截”，这个术语代表什么？
