解释二元分类变量的 PLS 回归系数我使用具有偏最小二乘特性的拟合模型来创建连续因变量的模型。 解释变量包括几个连续变量和一个具有两个选项 A 或 B 的分类变量。 我知道选项 A 和 B 被视为单独的虚拟变量。 当我运行拟合时，选项 A 的回归系数约为 -0.4，选项 B 的回归系数是类似的值。 怎么会这样？ 我假设选项 A 的系数是相对于选项 B 确定的，并且预计这两个系数至少是不同的。
回复：解释二元分类变量的 PLS 回归系数我不知道。 也许另一位成员有答案。
否则，请联系 JMP 技术支持（ support@jmp.com ）。 如果您确实寻求他们的帮助，请回复他们的答案。
回复：解释二元分类变量的 PLS 回归系数嗨，马克，感谢您的回复。 我的两级预测器实际上有系数 -0.3160 和 -0.2881。 我对数据进行了居中和缩放，并仔细检查了整个数据集中该预测变量只有两个级别。
回复：解释二元分类变量的 PLS 回归系数JMP 中线性预测变量的参数化使得分类项的系数之和必须为零。 以下是使用 Fitness 数据集的 PLS 回归示例。 因变量是氧。 请注意，两级预测变量 Sex 的系数大小相等但符号相反。
这是你在你的案例中看到的吗？
