Sentre Variabler å redusere Multicollinearity

Sentre er en av disse emnene i statistikken som alle synes å ha hørt om, men de fleste don &'; t vet mye om. Det har utviklet seg en mystikk som er helt unødvendig.

Sentre bare betyr å trekke fra en enkelt verdi fra alle dine datapunkter. Det skifter omfanget av en variabel og er vanligvis brukt til prediktorer. Det kalles sentre fordi folk ofte bruker middelverdien som verdien de trekker (slik at den nye middel er nå på 0), men det trenger ikke å være slem. Faktisk, det er mange situasjoner når en annen enn middelverdien er mest menings

Mens sentrering kan gjøres på en enkel lineær regresjon, dets reelle fordeler dukke opp når det er multiplikative vilkårene i modellen –. Interaksjons vilkår eller kvadratiske ledd (X-squared).

Det er to grunner til sentrum. Den første er når et interaksjonsledd er laget av multiplisere to Predictor variablene er på en positiv skala. Når du multipliserer dem til å lage samspillet, tallene nærheten 0 opphold i nærheten av 0 og de høye tallene blir veldig høy. Samspillet sikt så er sterkt korrelert med originale variabler.

Men dette er enkelt å sjekke. Bare lage multiplikativ begrep i datasettet, og deretter kjøre en sammenheng mellom at samhandling sikt og den opprinnelige prediktor. Mens korrelasjoner er ikke den beste måten å teste Multikolineæritet, vil det gi deg en rask sjekk.

Så prøve det igjen, men første senteret en av dine IVs.

Sentre en av variabler på den midlere (eller en annen menings verdi nær midten av fordelings) vil gjøre halve negative verdier (fordi den midlere nå er lik 0). Når de blir multiplisert med den andre positive variabel, de don &'; t alle gå opp sammen

Den andre grunnen er å hjelpe tolkning av parameterestimatene (regresjonskoeffisienter, eller betaversjoner)
. &Nbsp.;