针对拟合一般线性模型指定因子和协方差的编码

统计 > 方差分析 > 一般线性模型 > 拟合一般线性模型 > 编码

因子编码

因子编码
要执行分析,Minitab 需要使用两种方法中的一种重新编码因子。根据是否要对因子水平和整体均值或参考水平均值进行比较,来考虑如何改变方法。编码方案不会改变整体因子效应的检验。有关更多信息,请转到解释类别预测变量
  • (-1, 0, +1):选择此选项可估计每个水平均值和整体均值之间的差值。
  • (1, 0):选择此选项可估计每个水平均值和参考水平均值之间的差值。如果选择 (1, 0) 编码方案,参考水平表会在对话框中激活。
参考水平表
因子
显示模型中的所有因子名称。此列不接受任何输入。
参考水平
Minitab 会比较非参考水平与参考水平的均值。更改参考水平不会影响整体显著性,但可能会让要解释的系数更有意义。
默认情况下,对于使用 1, 0 编码的因子,Minitab 会基于数据类型设置以下参考水平:
  • 对于数字因子,参考水平为具有最小数值的水平。
  • 对于日期/时间因子,参考水平为具有最早日期/时间的水平。
  • 对于文本因子,默认情况下,参考水平就是按照字母顺序排在最前的水平。

标准化协变量

您可以确定是否要标准化协变量。标准化协变量仅用于拟合模型,且不存储在工作表中。

标准化协变量可以改善对特定条件下模型的解释。您可以使用下列方法标准化协变量:
  • 通过减掉均值使协变量居中:此方法有助于降低多重共线性,从而提高系数估计值的精确度。当模型中因为具有高阶项和交互作用项而包含高度相关的预测变量时,此方法非常有用。每个系数均代表响应的预期变化(该响应使用原始度量尺度,在预测变量中给定了一个单位变化)。
  • 通过除以协变量的相应标准差对协变量进行标准化。此方法让您可以比较系数的大小,因为它们使用可比较的尺度。如果您希望了解哪种协变量的效应更大,同时还能控制尺度中的差异,那么这种方式很有帮助。但是,每个系数均代表响应中的预期变化,前提是协变量中的某个标准差发生变化。
使用下列方法之一来标准化协变量:
  • 不标准化:使用协变量的原始数据。
  • 将要编码的低水平和高水平指定为 -1 和 +1:用于使协变量居中,并置于可比较的尺度上。所有位于您指定的高低值范围之间的数据值将变换为在 −1 和 +1 之间。在表中,输入低值和高值或使用样本中默认的最小值和最大值。
    协变量
    显示模型中所有协变量的名称。此列不接受任何输入。
    输入编码为 −1 的值。默认为样本中的最小值。
    输入要编码为 +1 的值。默认为样本中的最大值。
  • 减去均值,然后除以标准差:用于使协变量居中,并置于可比较的尺度上。
  • 减去均值:用于使协变量居中。
  • 除以标准差:针对所有协变量,使用可比较度量。
  • 减去指定值,然后除以另一个值:指定其他值,而不是使用样本中的均值和标准差估计值。
    协变量
    显示模型中所有协变量的名称。此列不接受任何输入。
    输入要从每个协变量中减掉的值。
    除以
    输入 Minitab 用于除以相减结果的值。