Centrare variabili per ridurre Multicollinearità

centraggio è uno di quegli argomenti in statistiche che sembra che tutti abbiano sentito parlare, ma la maggior parte delle persone don &'; t so molto circa. Ha sviluppato una mistica che non è affatto necessario.

centratura significa semplicemente sottraendo un singolo valore da tutti i punti di dati. Si sposta la scala di una variabile e viene applicata ad predittori. Si chiama centraggio perché le persone spesso utilizzano la media come valore che sottraggono (quindi il nuovo mezzo è ora a 0), ma non deve essere la media. In realtà, ci sono molte situazioni in cui un valore diverso la media è più significativo

Mentre centraggio può essere fatto in una semplice regressione lineare, i suoi benefici reali emergono quando ci sono termini moltiplicativi del modello —. Termini di interazione o termini quadratici (X-squared).

Ci sono due ragioni per il centro. Il primo è quando un termine di interazione è costituito da moltiplicano due variabili predittive sono di scala positivo. Quando li moltiplicate per creare l'interazione, i numeri vicino 0 soggiorno vicino 0 ei numeri alti ottenere davvero alto. Il termine di interazione quindi è altamente correlato con le variabili originali.

Ma questo è facile da controllare. Basta creare il termine moltiplicativo nel set di dati, quindi eseguire una correlazione tra questo termine di interazione e il predittore originale. Mentre le correlazioni non sono il modo migliore per testare multicollinearità, che vi darà un rapido controllo.

Quindi provare di nuovo, ma primo centro una delle tue IV.

Centrare una delle variabili a la media (o qualche altro valore significativo vicino al centro della distribuzione) farà mezzo i valori negativi (poiché la media ora uguale a 0). Quando questi sono moltiplicati con l'altra variabile positivo, essi don &'; t andare tutti insieme

L'altro motivo è quello di aiutare l'interpretazione delle stime dei parametri (coefficienti di regressione, o beta) Hotel  ..;