Lineaarinen regressioanalyysi - Keskitys kovariaatti parantaa Interpretability

syy keskittämiseksi jatkuva kovariaatti on, että se voi parantaa tulkittavuutta.

Oletetaan esimerkiksi, että sinulla oli yksi kategorinen ennustaja 4 luokat ja yksi jatkuva kovariaattina, plus välinen vuorovaikutus.

Ensimmäinen, huomaat, että jos keskitätte kovariaattina keskiarvoon, ei ole eroa ANOVA taulukossa (testit välillä aiheet Effects). Saattaa näkyä pieniä pyöristämisestä johtuvia eroja, mutta tulosten pitäisi yleensä muutu.

kategorinen muuttuja tulkittaisiin tarkastelemalla arvioidun marginaalinen välineet (SPSS, SAS, niitä kutsutaan least square means) . Nämä välineet on tulkittava siten, että keinot DV on keskiarvo kovariaatti. Jos keskitetty oman kovariaattina sen keskiarvo, ei pitäisi olla eroa millään tavoin arvioitu marginaalinen keinot.

kovariaatin ja vuorovaikutus tulkittaisiin tarkastelemalla parametriestimaatit taulukossa.

B arvot ovat regressiokertoimia (rinteet). Jossa vuorovaikutus mallissa, B arvo kovariaattina on rinne kun kategorinen muuttuja = 0. Parametriestimaatit taulukossa automaattisesti nuken koodit teidän ehdoton muuttujia, eli se tekee luokka, joka tulee viimeksi aakkosjärjestyksessä = 0 (Jos numeroitu ne 1,2,3,4, sitten 4 tulee viime aakkosjärjestyksessä - voit muuttaa oletuksena kun ajaa GLM). Joten B arvo kovariaattina on kulmakerroin kovariaattina vain ryhmä 4.

B arvot lueteltu vuorovaikutus muiden ryhmien erot rinteillä jokaisen näistä ryhmistä ja ryhmä 4. Jos nämä B arvot ovat merkittäviä, tiedät, että heidän rinteet ovat merkittävästi erilaiset kuin ryhmän 4 rinne.

Nämäkin eivät muutu onko kovariaattina on keskitetty vai ei.

Mitä muutos ovat kuunteluja. Ja sinulla on nyt 4 kuuntelevansa (yksi rivi kunkin luokan). B merkitty Intercept tuotokseen on siepata vain viitteen luokan (ryhmä 4). Bs muut kolme ryhmää ovat erot sieppaa välillä ryhmässä 4 ja jolloin kukin näistä ryhmistä.

Muista leikkauspiste on keskiarvo riippuva muuttuja, kun kovariaattina = 0. Kun keskustaan ​​kovariaattina, te muuttuvat 0 pistettä. Joten sieppaa enää keskiarvo kun kovariaattina = 0 sen alkuperäistä mittakaavaa, mutta keskimääräinen arvo kun kovariaattina on sen keskimääräinen.

Tämä on erityisen hyödyllinen, kun kovariaattina koskaan on arvot edes lähellä 0 . Esimerkiksi jos kovariaattina oli Ikä, ja ikä vaihteli 20-60, keskiarvo DV syntyessään ei ole paljon järkeä.
.