Par exemple, beaucoup de gens n'aiment pas standardiser les variables factices, qui n'ont que des valeurs de 0 et 1, car une "augmentation d'un écart type" n'est pas quelque chose qui pourrait réellement se produire avec une telle variable. Par conséquent, vous voudrez peut-être laisser les variables fictives non normalisées tout en normalisant les variables X continues.
Dois-je standardiser la variable dépendante ?
Vous devez normaliser les variables lorsque votre modèle de régression contient des termes polynomiaux ou des termes d'interaction. Bien que ces types de termes puissent fournir des informations extrêmement importantes sur la relation entre la réponse et les variables prédictives, ils produisent également des quantités excessives de multicolinéarité.
Est-il judicieux de standardiser les variables binaires ?
Certains chercheurs sont en faveur de la standardisation des variables binaires car cela mettrait tous les prédicteurs sur la même échelle. C'est une pratique courante en régression pénalisée (lasso). Dans ce cas, les chercheurs ignorent l'interprétation des variables.
Faut-il normaliser les variables catégorielles ?
Il est courant de normaliser ou de centrer les variables pour rendre les données plus interprétables dans une simple analyse des pentes; cependant, les variables catégorielles ne doivent jamais être normalisées ou centrées. Ce test peut être utilisé avec tous les systèmes de codage.
Comment standardisez-vous différentes variables ?
Généralement, pour normaliservariables, vous calculez la moyenne et l'écart type pour une variable. Ensuite, pour chaque valeur observée de la variable, vous soustrayez la moyenne et divisez par l'écart type.
