"Dichotome Prädiktorvariablen" gibt es zwei Möglichkeiten, dichotome Prädiktoren zu codieren: Verwenden des Kontrasts 0,1 oder des Kontrasts 1, -1.
Das ist sachlich falsch. Die Anzahl der Codierungsmöglichkeiten ist unbegrenzt. Diese beiden sind nur die häufigsten (tatsächlich fast allgegenwärtig) und wahrscheinlich die am einfachsten zu behandelnden.
Ich verstehe die Unterscheidung hier irgendwie (0,1 ist Dummy-Codierung und 1, -1 addiert zu einer Gruppe und subtrahiert von der anderen), verstehe aber nicht, welche ich in meiner Regression verwenden soll.
Was auch immer bequemer / angemessener ist. Wenn Sie ein entworfenes Experiment mit jeweils gleichen Zahlen haben, hat der zweite Ansatz einige nette Aspekte. Wenn Sie dies nicht tun, ist der erste wahrscheinlich in mehrfacher Hinsicht einfacher.
Wenn ich zum Beispiel zwei dichotome Prädiktoren habe, Geschlecht (m / w) und Athlet (j / n), könnte ich Kontraste 0,1 für beide oder 1, -1 für beide verwenden.
Was wäre die Interpretation eines Haupteffekts oder eines Interaktionseffekts bei Verwendung der beiden unterschiedlichen Kontraste?
a) (i) Betrachten Sie einen geschlechtsspezifischen Haupteffekt (der Einfachheit halber ohne Interaktion) {m = 0, f = 1} - dann misst der diesem Dummy entsprechende Koeffizient den Mittelwertunterschied zwischen Frauen und Männern (und der Achsenabschnitt wäre der Mittelwert der Männchen).
(ii) Für {m = -1, f = 1} ist der geschlechtsspezifische Haupteffekt die Hälfte des Mittelwertunterschieds, und der Achsenabschnitt ist der Durchschnitt der Mittelwerte (wenn das Design ausgewogen ist, ist es auch der Durchschnitt aller Daten). . Entsprechend ist der Haupteffekt die Differenz jedes Gruppenmittelwerts vom Achsenabschnitt.
b) (i) Betrachten Sie eine Interaktion zwischen Geschlecht {m = 0, f = 1} und Athlet {n = 0, y = 1}
Nun stellt der Achsenabschnitt den Mittelwert der männlichen Nicht-Athleten dar (0,0), der geschlechtsspezifische Haupteffekt ist der Unterschied zwischen den Mitteln der weiblichen Nicht-Athleten und der männlichen Nicht-Athleten, der Athleten-Haupteffekt repräsentiert den Unterschied zwischen dem Mittelwert der männlichen Athleten und der männlichen Nicht-Athleten und die Interaktion ist der Unterschied zwischen zwei Unterschieden - es ist der mittlere Unterschied zwischen Athleten und Nicht-Athleten für Frauen abzüglich des mittleren Unterschieds zwischen Athleten und Nicht-Athleten für Marken.
(ii) Betrachten Sie eine Interaktion zwischen Geschlecht {m = -1, f = -1} und Athlet {n = -1, y = 1}
Jetzt stellt der Achsenabschnitt den Mittelwert der vier Gruppenmittelwerte dar (und wenn das Design vollständig ausgewogen wäre, wäre dies auch der Gesamtmittelwert). Der Abschnitt ist ein Viertel dessen, was es vorher war.
Die Haupteffekte sind Durchschnittswerte der Differenzeffekte - der Geschlechtseffekt ist der Durchschnitt der Unterschiede zwischen Frauen und Männern bei Athleten und der Unterschiede zwischen Frauen und Männern bei Nicht-Sportlern. Der Haupteffekt des Athleten ist der Durchschnitt des Unterschieds zwischen Athleten und Nicht-Athleten bei Frauen und des Unterschieds zwischen Athleten und Nicht-Athleten bei Männern.
Kommt es darauf an, ob meine Zellen unterschiedlich groß sind?
Was meinst du mit "verschiedenen Größen"? Meinen Sie damit, dass die Anzahl der Beobachtungen in jeder Zelle unterschiedlich ist? (Wenn ja, habe ich größtenteils darauf eingegangen, dass oben - gleiche Zellzahlen zusätzliche Bedeutungen ergeben / die Interpretation vereinfachen, z. B. den Achsenabschnitt zum Hauptmittelwert der Daten und nicht nur zum Mittelwert der Gruppenmittelwerte zu machen.)
