Linjär regressionsanalys -. Centre kovariat att förbättra Interpretability

Anledningen till centrering av en kontinuerlig kovariat är att det kan förbättra tolkningsbarhet Omdömen

Till exempel, säga att du hade en kategorisk prediktor med 4 kategorier och en kontinuerlig kovariat plus en växelverkan mellan dem. Omdömen

Först kommer du att märka att om du centrera din kovariat vid medel, är det ingen skillnad i ANOVA tabellen (Tester av Mellan betvingar Effects). Det kan finnas små skillnader beror på avrundning, men resultaten bör i allmänhet inte ändra Omdömen

kategorisk variabel skulle tolkas genom att titta på de beräknade marginella sätt. (I SPSS, SAS, kallas de minsta kvadratorgan) . Dessa organ tolkas som medel för DV ett medelvärde av kovariat. Om du centrerade din kovariat vid sitt medelvärde, bör det inte finnas någon som helst skillnad i beräknade marginella medel. Omdömen

kovariat och interaktion skulle tolkas genom att titta på tabellen Parameter Uppskattningar. Omdömen

B värden är regressionskoefficienter (backar). Med en interaktion i modellen, är B-värdet för kovariat lutningen när det kategoriska variabeln = 0. Tabellen Parameter Uppskattningar automatiskt dummy koder dina kategoriska variabler, vilket innebär att det gör den kategori som kommer sist i alfabetisk ordning = 0 (Om du räknade dem 1,2,3,4, då 4 kommer sist i alfabetisk ordning - du kan ändra denna standard när du köra GLM). Så B-värdet för kovariat är lutningen på kovariat endast för grupp 4. Omdömen

B-värden som anges för interaktioner med andra grupper skillnaderna i backen mellan var och en av dessa grupper och grupp 4. Om dessa B-värdena är betydande, du vet att deras backar är väsentligt annorlunda än grupp 4 lutning. Omdömen

Återigen, dessa ändrar inte om kovariat är centrerad eller inte. Omdömen

Vad betyder förändring är avlyssningar. Och du har nu 4 fångar (en linje för varje kategori). B märkt Intercept i produktionen är intercept bara för referenskategori (grupp 4). Bs för de andra tre grupperna är skillnaderna i avlyssningar mellan grupp 4 och var och en av dessa grupper. Omdömen

Kom ihåg intercept är medelvärdet av den beroende variabeln när kovariat = 0. När du centrera kovariat du förändrar 0 poäng. Så fångar inte längre medelvärdet när kovariat = 0 på sin ursprungliga skalan, men det genomsnittliga värdet när kovariat är som medelvärdet. Omdömen

Detta är särskilt användbart när kovariatet har aldrig värden ens nära 0 . Till exempel, om din covariate var åldern och dina tiden varierade från 20 till 60, medelvärdet av DV vid födseln gör inte mycket mening Omdömen  ..