一般線形モデルを適合の因子と共変量のコーディングの指定

統計 > 分散分析 > 一般線形モデル > 一般線形モデルを適合 > コード化

因子のコード化

因子のコード化
分析を実行するにあたり、Minitabでは2つの方法のうち、どちらかの方法で因子を再コード化する必要があります。因子水準を全体平均と比べたいのか、参照水準の平均と比べたいのかで方法を変更してください。コード化スキームは、因子の全体的な影響力の検定には影響しません。詳細は、カテゴリ予測変数の解釈を参照してください。
  • (-1、0、+1):各水準平均と全体平均の差を推定するときに選択します。
  • (1、0):各水準平均と参照水準平均の差を推定するときに選択します。(0, 1)のコード化スキームを選択した場合、ダイアログボックスの参照水準表がアクティブになります。
参照水準表
因子
モデルに含まれる全ての因子名が表示されます。この列に対して入力を行うことはできません。
参照水準
参照水準ではない平均値が参照水準と比較されます。参照水準を変更しても全体の有意性には影響しませんが、係数はより解釈する意義のある値となる可能性があります。
1、0にコード化された因子は、データの種類に応じて、デフォルトでは以下の参照水準が設定されます。
  • 数値因子の場合、参照水準は最小の数値が設定された水準です。
  • 日付/時刻因子の場合、参照水準は最も早い日付/時刻に設定された水準です。
  • テキスト因子の場合、参照水準は値順で最初になる水準で、デフォルトではアルファベット順です。

共変量の標準化

共変量を標準化するかどうかを選択することができます。標準化された共変量は、モデルの当てはめにのみ使用され、ワークシートには保存されません。

標準化された共変量は特定の条件でのモデルの解釈を改善することができます。以下の手順で共変量を標準化してください。
  • 平均を削除して共変量をセンタリングする:多重共線性を削減し、係数の推定の正確性を向上させることができます。この方法は、高次の項と交互作用項によって、高い相関がある予測変数がモデルに含まれる場合に便利です。各係数は、元の測度で測られる、予測変数が1単位分変化した場合に期待される応答の変化を表します。
  • 共変量を対応する標準偏差で割って標準化します。同等の尺度が使用されているため、この手法により係数のサイズが比較できるようになります。この方法は、尺度の差を制御しながら影響力の大きい共変量を特定するのに便利です。ただし、各係数は共変量の標準偏差が1つ変化した場合に期待される応答の変化を表します。
次のうち、どれか1つの手順で共変量を標準化します。
  • 標準化しない:共変量の元の応答データを使います。
  • 最低水準と最高水準を指定して、-1および+1としてコード化:共変量をセンタリングし、同等の尺度に当てはめます。指定した最小値と最大値の範囲内に分布するすべてのデータ値は、-1~+1の範囲内に分布されるように変換されます。表では、最小値と最大値を入力するか、サンプルに設定されているデフォルトの最大値と最小値を使用します。
    共変量
    モデルに含まれるすべての共変量名が表示されます。この列に対して入力を行うことはできません。
    下限側
    -1としてコード化する値を入力します。デフォルトはサンプル内の最小値です。
    上限側
    +1としてコード化する値を入力します。デフォルトはサンプル内の最大値です。
  • 平均を引き、標準偏差で割る:共変量をセンタリングし、同等の尺度に当てはめます。
  • 平均を引く:共変量をセンタリングします。
  • 標準偏差で割る:すべての共変量に対して同等の尺度を使います。
  • 指定した値を引き、別の値で割る:サンプルの平均と標準偏差の推定値を使わず、別の値を指定します。
    共変量
    モデルに含まれるすべての共変量名が表示されます。この列に対して入力を行うことはできません。
    引く
    各共変量から削除する値を入力します。
    次で割る
    引いた結果を割るための値を入力します。
本サイトを使用すると、分析およびコンテンツのカスタマイズのためにクッキーが使用されることに同意したことになります。  当社のプライバシーポリシーをご確認ください