Análisis de regresión lineal - Centrado covariable para mejorar Interpretabilidad

La razón para centrar una covariable continua es que puede mejorar la interpretabilidad.

Por ejemplo, decir que tenía un solo predictor categórico con 4 categorías y una covariable continua, además de una interacción entre ellos.

En primer lugar, te darás cuenta de que si centrar su covarianza en la media, no hay diferencia en la tabla de ANOVA (Análisis de entre sujetos Efectos). Puede haber pequeñas diferencias debidas al redondeo, pero los resultados generalmente no debería cambiar

La variable categórica se interpretaría al observar las medias marginales estimadas. (En SPSS, SAS, se les llama mínimos cuadrados medios) . Estos medios se interpretan como los medios de la DV en el valor medio de la covariable. Si centrado su covariable en su medio, no debe haber ninguna diferencia en las medias marginales estimadas.

La covariable y la interacción serían interpretados por mirar la tabla Estimaciones de los parámetros.

El B Los valores son los coeficientes de regresión (pendientes). Con una interacción en el modelo, el valor B para la covariable es la pendiente cuando la variable categórica = 0. La tabla Estimaciones de los parámetros automáticamente códigos ficticias sus variables categóricas, lo que significa que tiene la categoría que viene al final = 0 alfabéticamente (Si usted los numeró 1,2,3,4, entonces 4 viene última orden alfabético - usted puede cambiar este valor predeterminado cuando ejecutar el GLM). Así que el valor de B para la covarianza es la pendiente de la covariable sólo para grupos de 4.

Los valores B figuran para las interacciones con los otros grupos son las diferencias en las pendientes entre cada uno de esos grupos y el grupo 4. Si esos valores B son significativos, usted sabe que sus pendientes son significativamente diferentes de la pendiente del grupo 4.

Una vez más, éstos no cambian si la covarianza está centrada o no.

¿Qué hace el cambio son las intersecciones. Y ahora tiene 4 intercepciones (una línea para cada categoría). El B etiquetada intercepción en la salida es la intersección sólo para la categoría de referencia (grupo 4). El B para los otros tres grupos son las diferencias en las intersecciones entre el grupo 4 y cada uno de esos grupos.

Recuerde el intercepto es la media de la variable dependiente cuando la covariable = 0. Al centrar la covarianza, que están cambiando el punto 0. Así que las interceptaciones ya no son el valor medio cuando Covariate = 0 en su escala original, pero el valor medio cuando la covariable está en su media.

Esto es especialmente útil cuando la covariable no tiene valores, incluso cerca de 0 . Por ejemplo, si su Covariate era Edad, y sus edades oscilaron desde 20 hasta 60, el valor medio de la DV al nacer no tiene mucho sentido Restaurant  .;