→ coldwind0912:為什麼你會認為負負相乘 交互作用項為正不合理!? 10/07 14:54
→ evilove:假設正為滿意,負為不滿意,case2負負相乘結果跟case1一樣 10/07 14:59
→ coldwind0912:centering之後 正負號的意義 只是表達軸上的相對位置 10/07 14:59
→ coldwind0912:交互作用項的解釋 不是這樣解釋的 = = 10/07 15:00
→ coldwind0912:以你的邏輯 正為滿意,負為不滿意 如果centering後 10/07 15:02
→ coldwind0912:同一變項 從+1變-1 豈不是從滿意變不滿意!? 10/07 15:02
我是用一個比較簡單的方法來舉例
我在舉一個例子
x1 x2 x1x2
case1 6 9 54
case2 2 3 6
假設x1 mean=4 x2 mean=6
所以中心化之後:
x1' x2' x1'x2'
case1 2 3 6
case2 -2 -3 6
請問c大這樣一樣是合理的嗎?謝謝?
我還是不太懂你的意思:)
※ 編輯: evilove 來自: 67.167.206.227 (10/07 15:10)
→ coldwind0912:centering的功能 只是一種轉換 並不改變其關係 10/07 15:03
→ evilove:中心化在x1這個變項內的確只是改變相對位置,但是x1*x2我 10/07 15:11
→ evilove:好像不能這樣理解? 10/07 15:11
→ coldwind0912:舉例而言 以x1的情況來說 在case1 從6變2 10/07 15:19
→ coldwind0912:這應該沒有什麼太大問題 還是代表case1認為滿意 10/07 15:20
→ coldwind0912:應該不然 不論-2或+2 在x1中心化後 都是一樣的意 思 10/07 15:21
→ coldwind0912:再來x1'x2'的部份 請不要直接以數字大小和正負去思考 10/07 15:23
→ coldwind0912:....有一行回文內容不見了= =|| 10/07 15:25
→ evilove:我的疑問是x1x2(54,6)的時候是有變異的但是中心化之後,反 10/07 15:39
→ evilove:而變異不見了x1'x2'(6,6) 10/07 15:39
→ coldwind0912:因為 54→6之間的變異 來自平均數的澎漲 10/07 15:52
→ Prozac:共線性跟中心化完全無關好嗎...有那麼神還需要PCA嗎噗 10/07 20:50
→ bmka:那...把ceneter後的x1, x2都加上一個常數 10/07 20:55
→ bmka:讓所有的x1 x2都變正數, 看看這兩種方法出來的結果除了 10/07 20:56
→ bmka:常數項外有沒有什麼不一樣的 XD 10/07 20:56
→ bmka:(x1-a)*(x2-b) = x1*x2 - a*x2 - b* x1 + a*b 10/07 21:13
→ bmka:所以也會影響到 x1 x2 係數的估計 10/07 21:13
→ bmka:最好的方法是, 把 x1*x2當成另一個變數z, 對新變數做中心化 10/07 21:14
→ yhliu:就原問而言(在連續型解釋變數的情形), 建構交互作用項不先置 10/10 01:31
→ yhliu:中(各位所謂的中心化), 無疑是讓模型更容易明白. 這與 ANOVA 10/10 01:32
→ yhliu:的習慣有些不同, 其實也不過就是 "習慣" 罷了! 10/10 01:33
→ Prozac:Y大所言甚是 這取決於研究者習慣罷了 10/10 01:44