Yanıtlar:
Herhangi bir nedenle kesmeyi biliyorsanız (özellikle sıfırsa), zaten bildiğiniz bir şeyi tahmin etmek için verilerinizdeki sapmayı boşa harcayabilir ve tahmin etmeniz gereken değerlere daha fazla güvenebilirsiniz .
Biraz fazla basitleştirilmiş bir örnek, bir alanın (ortalama olarak) bir değişkenin (ortalama olarak) başka bir katının katı olduğunu zaten biliyorsanız ve bu katlamayı bulmaya çalışıyorsanız.
3 seviyeli kategorik bir ortak değişken düşünün. Bir kesişme varsa, bu 2 gösterge değişkeni gerektirir. Gösterge değişkenleri için genel kodlama kullanılarak, her iki gösterge değişkeni için katsayı referans grubuna göre ortalama farktır. Kesmeyi bastırarak, kategorik eşdeğeri temsil eden sadece 2 yerine 3 değişkeniniz olacaktır. Bir katsayı, o grup için ortalama tahmindir. Bunun nerede yapılacağına dair daha somut bir örnek, Amerika Birleşik Devletleri'nin 50 eyaletini inceleyen siyaset bilimidir. Durumlar için bir kesişim ve 49 gösterge değişkenine sahip olmak yerine, kesişimin bastırılması ve bunun yerine 50 değişkenin olması genellikle tercih edilir.
@Nick Sabbe'nin amacını belirli bir örnekle göstermek.
Bir keresinde bir araştırmacının genişliğinin bir fonksiyonu olarak bir ağacın yaşının bir modelini sunduğunu gördüm. Ağaç sıfır yaşındayken, etkin olarak sıfır genişliğine sahip olduğu varsayılabilir. Bu nedenle, bir engelleme gerekli değildir.