Análise de Regressão Linear - Centrar uma co-variável para melhorar Interpretabilidade

A razão para centralizar uma covariável contínua é que ele pode melhorar a facilidade de interpretação.

Por exemplo, digamos que você tinha um preditor categórica com 4 categorias e uma covariável contínua, além de uma interação entre eles.

Em primeiro lugar, você vai perceber que, se você centralizar sua covariável na média, não há diferença na tabela de ANOVA (Testes de assuntos Entre Effects). Pode haver pequenas diferenças devido aos arredondamentos, mas os resultados não devem geralmente mudam

A variável categórica seria interpretada por olhar para os meios marginais estimados. (Em SPSS, em SAS, eles são chamados de mínimos quadrados significa) . Estes meios são interpretados como os meios da DV para o valor médio do co-variável. Se você centrado o seu co-variável em sua média, não deve haver nenhuma diferença nos meios marginais estimados.

O co-variável e interação seria interpretado por olhar para a tabela de estimativas dos parâmetros.

A B Os valores são os coeficientes de regressão (encostas). Com uma interacção no modelo, o valor de B para a co-variável é a inclinação quando a variável categórica = 0. A tabela estimativas dos parâmetros automaticamente códigos manequim suas variáveis ​​categóricas, o que significa que faz a categoria que vem por último alfabeticamente = 0 (Se você numeradas 1,2,3,4-los, em seguida, vem por último alfabeticamente 4 - você pode alterar esse padrão quando você executar o GLM). Assim, o valor de B para a co-variável é a inclinação da covariável apenas no grupo 4.

B Os valores listados para as interacções com os outros grupos são as diferenças nas pistas entre cada um desses grupos e grupo 4. Se esses valores são significativos B, você sabe que as suas encostas são significativamente diferentes do que encosta do grupo 4.

Novamente, estes não mudam se a covariável está centralizada ou não.

O que muda são as interceptações. E agora você tem 4 intercepta (uma linha para cada categoria). O B marcado Intercept na saída é a interseção apenas para a categoria de referência (grupo 4). O Bs para os outros três grupos são as diferenças nas intercepções entre o grupo 4 e cada um desses grupos.

Lembre-se a interceptação é a média da variável dependente quando a covariável = 0. Quando você centralizar a co-variável, você estão mudando o ponto 0. Assim, as interceptações não são mais o valor médio quando covariável = 0 em sua escala original, mas o valor médio quando a covariável é a sua média.

Isto é especialmente útil quando o co-variável não tem valores, mesmo perto de 0 . Por exemplo, se o seu co-variável foi Age, e suas idades variaram 20-60, o valor médio do DV no nascimento não faz muito sentido Restaurant  .;