Hangi durumlarda, model uydurmadan önce bir değişkeni ölçeklendirmek veya standardize etmek istersiniz? Ve bir değişkeni ölçeklendirmenin avantajları / dezavantajları nelerdir?
Hangi durumlarda, model uydurmadan önce bir değişkeni ölçeklendirmek veya standardize etmek istersiniz? Ve bir değişkeni ölçeklendirmenin avantajları / dezavantajları nelerdir?
Yanıtlar:
Standardizasyon tamamen model için farklı değişkenlerin ağırlıklarıyla ilgilidir. Sayısal kararlılık uğruna "sadece" standardizasyonu yaparsanız, yorumlama için çok daha uygun olabilecek çok benzer sayısal özellikler fakat farklı fiziksel anlamlar üreten dönüşümler olabilir. Aynısı, genellikle standardizasyonun bir parçası olan merkezleme için de geçerlidir.
Muhtemelen standartlaştırmak istediğiniz durumlar:
Standartlaştırmak istemeyeceğiniz durumlar:
"Arada" bir şey yapabilir ve değişkenleri dönüştürebilir veya birimi seçebilir, böylece yeni değişkenlerin hala fiziksel bir anlamı olabilir, ancak sayısal değerdeki varyasyon o kadar farklı değildir.
Merkezleme için benzer:
Genel olarak, kesinlikle gerekli olmadıkça ölçeklendirme veya standardizasyon önermiyorum. Böyle bir işlemin avantajı veya çekiciliği, açıklayıcı bir değişkenin, yanıt değişkeninden tamamen farklı bir fiziksel boyuta ve büyüklüğe sahip olması durumunda, standart sapma ile bölünmeye göre ölçeklendirmenin sayısal stabilite açısından yardımcı olabileceği ve bunun birden fazladaki etkilerini karşılaştırmasını sağlayabileceğidir. açıklayıcı değişkenler. En yaygın standardizasyonda, değişken etkisi, açıklayıcı değişken bir standart sapma ile arttığında cevap değişkenindeki değişiklik miktarıdır; ayrıca, açıklayıcı değişken için istatistiksel değer değişmeden kalmasına rağmen değişken etkisinin (açıklayıcı değişken bir birim arttığında yanıt değişkenindeki değişiklik miktarı) anlamının kaybedileceğini de gösterir. Ancak, Etkileşim bir modelde göz önüne alındığında, ölçeklendirme, etkileşim etkisinin standart hatasını hesaplarken stokastik bir ölçekleme ayarlaması içeren bir komplikasyon nedeniyle, istatistiksel testler için bile çok problemli olabilir (Preacher, 2003). Bu nedenle, standart sapma (veya standardizasyon / normalizasyon) ile ölçeklendirme, özellikle etkileşimler söz konusu olduğunda genellikle önerilmez.
Vaiz, KJ, Curran, PJ ve Bauer, DJ, 2006. Çoklu doğrusal regresyon, çok düzeyli modelleme ve gizli eğri analizinde etkileşim etkilerini araştırmak için hesaplamalı araçlar. Eğitim ve Davranış İstatistikleri Dergisi, 31 (4), 437-448.