適合ポアソンモデルのコード体系を指定します

統計 > 回帰 > ポアソン回帰 > ポアソンモデルの当てはめ > コード化

カテゴリ変数のコード化

カテゴリ予測変数のコード化
分析をするには、2つの方法のうち1つを使用して、カテゴリ予測変数を再コード化する必要があります。予測変数の水準を全体平均または参照水準の平均と比較したいかどうかによって、方法の変更を検討します。コード体系によって、予測変数の全体的な影響の検定が変更されることはありません。詳細はカテゴリ予測変数のコード化方式を参照してください。
  • (-1、0、+1): 各水準の平均と全体平均の差を推定するために選択します。
  • (1、0): 各水準の平均と参照水準の平均の差を推定するために選択します。(1、0)のコード体系を選択した場合、参照水準表はダイアログボックス内でアクティブになります。
参照水準表
カテゴリ予測変数
表のこの列に、モデル内のすべてのカテゴリ予測変数名が表示されます。この列への入力はできません。
参照水準

非参照水準の平均と参照水準を比較します。参照水準を変更しても全体の有意性に影響はありませんが、係数の解釈が有意義になります。

デフォルトによる1、0コーディングの予測変数の場合、データ型に基づいて以下の参照水準を設定します。
  • 数値カテゴリ予測変数の場合、参照水準は最小数値の水準です。
  • 日付/時刻カテゴリ変数の場合、参照水準は最も早い日付/時刻の水準です。
  • テキストカテゴリ予測変数の場合、参照水準は、デフォルトによるアルファベット順で最初になる水準です。テキスト変数値の順序変更の詳細については、Minitab出力でのテキスト値の表示順序の変更を参照してください。

連続予測変数の標準化

モデル内にある連続予測変数を標準化するために選択できます。標準化予測変数は、モデルを適合させるためのみに使用するので、このワークシートには保存されません。

連続予測変数を標準化すると、モデルの解釈を指定条件に合わせて改善できます。
  1. 平均値を差し引くことにより、連続予測変数を中央に寄せます。この方法は、多重共線性を低下させるのに役立ち、係数推定値の精度を向上させます。このモデルは、モデルに相関の高い予測変数、高次項、交互作用項が含まれているときにも役立ちます。各係数は、元の測定スケールを使用して、予測変数の単位当たり変化に相当する、応答の期待変化を表します。
  2. 標準偏差で除算することにより、連続予測変数のスケールを標準化します。この方法により、予測変数の範囲はより均一になり、係数の大きさを比較できるようになります。この手法は、スケールの差を抑えながら、どの予測変数が大きな影響を与えているかを知りたいときに役立ちます。ただし、各係数は、予測変数の標準偏差の変化に相当する応答の期待変化を表します。
以下の方法の1つを使用して、連続予測変数を標準化できます。
  • 標準化しない: 連続予測変数に元データを使用します。
  • 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: 予測変数を中央に寄せたり、予測変数を比較できるスケールにしたりするために使用します。この方法は実験計画法(DOE, Design of experiments)で使用します。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。
    連続予測変数
    連続予測変数すべての名前が表示されます。この列に対して入力を行うことはできません。
    下限側
    -1のコードとなる値入力します。サンプルの最小値がデフォルトです。
    上限側
    +1のコードとなる値を入力します。サンプルの最大値がデフォルトです。
  • 平均を引き、標準偏差で割る: 予測変数を中央に寄せたり、予測変数を比較できるスケールにしたりするために使用します。
  • 平均を引く: 予測変数を中央に寄せるために使用します。
  • 標準偏差で割る: 予測変数を比較できるスケールにするために使用します。
  • 指定した値を引き、別の値で割る: サンプルの平均値や標準偏差推定値を使用する代わりに他の値を指定します。
    連続予測変数
    連続予測変数すべての名前が表示されます。この列に対して入力を行うことはできません。
    引く
    各連続予測変数から差し引く値を入力します。
    次で割る
    減算結果を除算するために使用される値を入力します。
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