Le format de « paramétrisation one-hot » ou de « paramétrisation indicatrice » des variables catégorielles n'est pas le même lorsque l'on utilise les personnalités standard des moindres carrés et de la régression généralisée du modèle d'ajustement.
Par exemple, la régression suivante a une réponse continue et deux prédicteurs (FICO, une variable continue) et le type de prêt (deux catégories, O et R). Ajustez une régression des moindres carrés avec ces deux prédicteurs à l'aide du modèle d'ajustement. Avec la personnalité standard des moindres carrés et la paramétrisation de l'indicateur, le résultat ressemble à ce qui suit :
Si, au contraire, vous ajustez le même modèle mais sélectionnez une régression généralisée avec un modèle normal pour les erreurs (et obtenez ainsi un ajustement MCO), le résultat ressemble à ceci :
Les estimations sont les mêmes, mais l’étiquetage de la variable fictive a changé.
Je préfère l'étiquetage de la régression généralisée car il indique le groupe exclu, mais celui qui est utilisé doit être le même. Les étudiants trouvent le changement d'étiquetage déroutant.
