回归分析之分类变量的编码方法.ppt

Bonferronni方法 — Planned Comparison α/k Scheffe方法 — Post Hoc Comparison new Fcritical = (m-1) Fcritical with m-1, n-PA df * 回归分析之九 回顾：对比性编码 分类变量作为预测变量时一个重要的问题是如何解释结果，为此需要编码。 对比性编码是众多编码方式中比较简单的一种，更为关键的是这个编码可以比较灵活地回答我们的研究问题。 对比性编码要满足两个条件： 对于经过对比编码后的预测变量，其所有取值之和为零； 如果存在两个以上经过编码的变量，这些变量相互正交。 编码值 1 2 3 … m-2 m-1 m λ1k m-1 -1 -1 … -1 -1 -1 λ2k 0 m-2 -1 … -1 -1 -1 λ3k 0 0 m-3 … -1 -1 -1 λ6k 0 0 0 … 2 -1 -1 λ7k 0 0 0 … 0 1 -1 回归系数的解释 截距是两个组均值的简单平均数： 斜率是两组均值之差的平均： “control” or “comparison” group coded 0 “treatment” or “target” group coded 1 “conceptually”... Group dc1 dc2 1 1 0 2 0 1 3* 0 0 * = comparison group For several participants... Case group dc1 dc2 1 1 1 0 2 1 1 0 3 2 0 1 4 2 0 1 5 3 0 0 6 3 0 0 其他编码方式：虚无编码 “control” or “comparison” group coded -1 “treatment” or “target” group coded 1 “conceptually”... Group ec1 ec2 1 1 0 2 0 1 3* -1 -1 * = comparison group For several participants... Case group ec1 ec2 1 1 1 0 2 1 1 0 3 2 0 1 4 2 0 1 5 3 -1 -1 6 3 -1 -1 其他编码方式：效应编码 如果一侧变量存在2个以上的水平？ 某研究者想考察心理表象对记忆的影响。他考察了两种实验条件下三组被试对词语的正确回忆率： 实验组1：记单词时联想 实验组2：记单词的同时呈现图片 控制组：直接记忆这两个词 任务：狗，自行车 实验组1 请想象一条狗骑着自行车 实验组2 控制组 联想组 图片组 60 80 90 70 70 85 70 70 85 40 90 100 60 80 90 50 70 85 70 100 90 60 80 95 60 80 90 正确回忆率 对比编码问题 这时不能只用一个预测变量，因为结果无从解释。 对于分类变量，应当有(m-1)个对比编码 回忆对比编码的两个条件 同一编码的所有取值的和为零； 各个编码之间相互正交 如何知道各编码变量相互正交 Code 1: λ11= -2; λ12= +1; λ13= +1 Code 2: λ21= 0; λ22= -1; λ13= +1 Code 1和Code 2直观含义？ 控制组 联想组 图片组 系列1 -2 1 1 0