拟合一般线性模型 - 编码
主题     另请参见 

统计 > 方差分析 > 一般线性模型 > 拟合一般线性模型 > 编码

用于：

·    为因子指定编码方案

·    为每个因子指定参考水平

·    标准化协变量

标准化连续预测变量可以提高特定条件下的模型解释。您可以使用以下方法标准化连续预测变量：

·    通过减去均值使协变量居中：此方法有助于降低多重共线性，这可提高系数估计的精确度。在您的模型包含高度相关的协变量、高阶项和交互作用项时，此方法很有用。如果协变量（使用原始测量尺度）中的一个单位发生变化，则每个系数都表示响应中预期的变化。

·    可通过除以标准差来调整协变量的尺度：此方法允许您比较系数的大小，因为它们使用可比较的尺度。在您要知道哪些协变量具有更大效应，同时要控制尺度差异时，此方法很有用。但是，如果协变量中的一个标准差发生变化，则每个系数都表示响应中预期的变化。

对话框项

因子编码：在您具有类别因子时使用。要执行分析，Minitab 需要记录类别数据。您可以决定要将水平与总体均值还是参考水平的均值进行比较。

(- 1, 0, +1)：选择此项可以估计每个水平均值和总体均值之间的差值。

(1, 0)：选择此项可估计每个水平均值与参考水平均值之间的差异。

因子参考水平：如果选择 (1, 0) 编码方案，对话框中的参考水平  表即变为活动。Minitab 将非参考水平的均值与参考水平的均值进行比较。更改参考水平不会影响总体显著性，但它可以让结果更有统计意义。

类别预测变量：显示模型中所有类别预测变量的名称。此列不接受任何输入。

参考水平：为每个因子选择参考水平。

标准化协变量：用于控制 Minitab 是否标准化协变量。标准化协变量仅可用于拟合模型，不会存储在工作表中。

不标准化：选择此项可以对协变量使用原始数据。

减去均值，然后除以标准差：选择此项可以使协变量居中，并将其置于可比较的尺度上。

减去均值：选择此项可以使协变量居中。

除以标准差：选择此项可以对所有协变量使用可比较尺度。

减去指定值，然后除以另一个值：选择此项可以指定值，而不是样本中的均值和标准差估计值。

协变量：显示模型中的所有协变量的名称。此列不接受任何输入。

减去：键入要从每个协变量中减去的值。

除以：键入 Minitab 使用其去除相减结果的值。

指定要编码为 -1 和 +1 的低水平和高水平：选择此项可按线性转换数据。介于您指定的低和高值之间的所有数据值将编码为介于 -1 和 +1 之间的值。 设计试验 (DOE) 使用此方案。

协变量：显示模型中的所有协变量的名称。此列不接受任何输入。

低：输入编码为 -1 的值。默认值为样本中的最小值。

高：键入要编码为 +1 的值。默认值为样本中的最大值。