Օրինակ, շատերը չեն սիրում ստանդարտացնել կեղծ փոփոխականները, որոնք ունեն միայն 0 և 1 արժեքներ, քանի որ «մեկ ստանդարտ շեղման աճը» այն չէ, որ իրականում կարող է տեղի ունենալ նման փոփոխականի դեպքում: Այսպիսով, դուք կարող եք թողնել կեղծ փոփոխականները չստանդարտացված՝ շարունակական X փոփոխականները ստանդարտացնելիս:
Պետք է արդյոք ստանդարտացնել կախված փոփոխականը:
Դուք պետք է ստանդարտացնեք փոփոխականները, երբ ձեր ռեգրեսիոն մոդելը պարունակում է բազմանդամ անդամներ կամ փոխազդեցության տերմիններ: Թեև այս տեսակի տերմինները կարող են չափազանց կարևոր տեղեկատվություն տրամադրել պատասխանի և կանխատեսող փոփոխականների միջև փոխհարաբերությունների մասին, նրանք նաև առաջացնում են բազմակողմանիության չափազանց մեծ քանակություն:
Իմաստ ունի՞ ստանդարտացնել երկուական փոփոխականները:
Որոշ հետազոտողներ կողմ են երկուական փոփոխականների ստանդարտացմանը, քանի որ դա բոլոր կանխատեսողներին կդարձնի նույն մասշտաբով: Դա ստանդարտ պրակտիկա է պատժված ռեգրեսիայի (լասո) դեպքում: Այս դեպքում հետազոտողները անտեսում են փոփոխականների մեկնաբանությունը։
Պե՞տք է ստանդարտացնենք կատեգորիկ փոփոխականները:
Ընդհանուր պրակտիկա է ստանդարտացնել կամ կենտրոնացնել փոփոխականները՝ պարզ թեքությունների վերլուծության ժամանակ տվյալներն ավելի մեկնաբանելի դարձնելու համար; այնուամենայնիվ, կատեգորիայի փոփոխականները երբեք չպետք է ստանդարտացվեն կամ կենտրոնացվեն: Այս թեստը կարող է օգտագործվել բոլոր կոդավորման համակարգերի հետ:
Ինչպե՞ս եք ստանդարտացնում տարբեր փոփոխականներ:
Սովորաբար, ստանդարտացնելու համարփոփոխականներ, դուք հաշվարկում եք միջին և ստանդարտ շեղումըփոփոխականի համար: Այնուհետև փոփոխականի յուրաքանչյուր դիտարկված արժեքի համար հանում եք միջինը և բաժանում ստանդարտ շեղման վրա։
