拟合二进制 Logistic 模型 - 编码
主题     另请参见 

统计 > 回归 > 二进制 Logistic 回归 > 拟合二进制 Logistic 模型 > 编码

用于：

·    指定连续预测变量中有多少变化用于显示优势比

·    指定类别预测变量的编码方案

·    指定每个类别预测变量的参考水平

·    标准化连续预测变量

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：

·    通过减去均值使连续预测变量居中：此方法有助于减少多重共线性，可增加系数估计的精度。当您的模型包含高度相关的预测变量、更高阶项及交互作用项时，此方法很有用。每个系数表示预测变量中每单位变化（使用原始度量尺度）所能在响应中产生的预期变化。

·    通过除以标准差调整连续预测变量尺度：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。当您想要知道哪些预测变量具有更大效应，同时控制尺度中的差异时，此方法很有用。但是，每个系数表示预测变量中一个标准差的变化所能在响应中产生的预期变化。

对话框项

优势比增量：更改用于单位计算优势比的单位（从连续预测变量的数据中的单位进行更改）。当模型使用 Logit 链接函数时变量的系数表示预测变量中一个单位上升的对数优势的变化。在某些情况下，数据中一个单位的变化过小，因而没有实际意义。例如，如果预测变量是以克为单位的质量，更改 1 克微不足道。输入 1000 后，可以看到优势比的变化为千克。

连续预测变量：显示模型中所有连续预测变量的名称。此列不接受任何输入。

增量：输入连续预测变量的变化量。

编码类别预测变量：当您具有类别预测变量时使用。要执行分析，Minitab 需要记录类别数据。根据您是要将水平与总体均值进行比较，还是与参考水平的均值进行比较作出决策。

(-1, 0, +1)：选择此项可估计每个水平均值与总体均值之间的差异。

(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。

类别预测变量参考水平：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。但更改可使结果更富有意义。有关为什么要更改参考水平的信息，请参见解释参数估计。

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：为每个类别预测变量选择一个参考水平。

标准连续预测变量：用于控制 Minitab 是否可以标准化连续预测变量。标准化预测变量仅用于拟合模型且不存储在工作表中。

不标准化：选择此项可对连续预测变量使用原始数据。

减去均值，然后除以标准差：选择此项可使预测变量居中，同时将其置于可比较尺度上。

减去均值：选择此项可使预测变量居中。

除以标准差：选择此项可对所有预测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。

连续预测变量：显示模型中所有连续预测变量的名称。此列不接受任何输入。

减去：键入要从每个连续预测变量中减去的值。

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都被编码为介于 -1 和 +1 之间。设计试验 (DOE) 使用此方案。

连续预测变量：显示模型中所有连续预测变量的名称。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。