Saya berasumsi maksud Anda adalah regresi multivariabel, bukan multivariat. 'Multivarian' mengacu pada memiliki beberapa variabel dependen.
Ini tidak dianggap sebagai praktik statistik yang dapat diterima untuk mengambil prediktor berkelanjutan dan memotongnya dalam interval. Ini akan menghasilkan residu yang membingungkan dan akan membuat interaksi secara menyesatkan menjadi penting karena beberapa interaksi hanya dapat mencerminkan kurangnya kesesuaian (di sini, kekurangan makan) dari beberapa efek utama. Ada banyak variasi yang tidak dapat dijelaskan dalam kuintil luar. Plus, sebenarnya tidak mungkin untuk secara tepat menafsirkan "efek kuintil."
Untuk perbandingan minat, paling mudah untuk membayangkannya sebagai perbedaan dalam nilai yang diprediksi. Berikut ini adalah contoh menggunakan rms
paket R.
require(rms)
f <- ols(y ~ x1 + rcs(x2,3)*treat) # or lrm, cph, psm, Rq, Gls, Glm, ...
# This model allows nonlinearity in x2 and interaction between x2 and treat.
# x2 is modeled as two separate restricted cubic spline functions with 3
# knots or join points in common (one function for the reference treatment
# and one function for the difference in curves between the 2 treatments)
contrast(f, list(treat='B', x2=c(.2, .4)),
list(treat='A', x2=c(.2, .4)))
# Provides a comparison of treatments at 2 values of x2
anova(f) # provides 2 d.f. interaction test and test of whether treatment
# is effective at ANY value of x2 (combined treat main effect + treat x x2
# interaction - this has 3 d.f. here)