任立龙Stata交互效应可视化：连续变量与分类变量的正确标记方法
第一次在Stata中尝试绘制交互效应图时，我盯着屏幕上扭曲的曲线和完全不符合预期的置信区间，花了整整三个小时才意识到问题出在一个小小的前缀符号上。c.和i.这两个看似简单的标记，实际上是Stata因子变量语法中区分连续变量与分类变量的关键，也是许多初学者最容易踩的"坑"。
1. 为什么c.和i.如此重要？
在Stata中进行回归分析时，正确处理变量类型直接影响模型估计的准确性。c.前缀用于连续变量(continuous)，而i.前缀用于分类变量(indicator)。混淆两者会导致：
- 模型错误地将连续变量当作分类变量处理，产生大量冗余参数
- 交互项无法正确识别，导致可视化结果完全失真
- 标准误计算错误，影响统计显著性判断
典型错误示例：
stata复制// 错误写法：未区分变量类型
logistic case age edu parity induced spontaneous age#spontaneous
// 正确写法：明确变量类型
logistic case c.age i.edu i.parity i.induced i.spontaneous c.age#i.spontaneous
提示：Stata 15及以上版本支持更简洁的因子变量语法，但基本原理相同
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 如何快速判断变量类型？
在构建模型前，准确识别变量类型至关重要。以下是几种实用方法：
2.1 使用描述性统计命令
stata复制// 查看变量概况
describe age spontaneous
// 连续变量：查看统计量
summarize age
// 分类变量：查看频数分布
tabulate spontaneous
2.2 变量类型判断标准
| 特征 | 连续变量 | 分类变量 |
|---|---|---|
| 取值数量 | 大量唯一值 | 少量唯一值 |
summarize输出 |