カテゴリ変数の「ワンホット」または「インジケーターのパラメーター化」の形式は、モデルの適合の標準最小二乗法と一般化回帰パーソナリティを使用する場合と同じではありません。
たとえば、次の回帰には、連続応答と 2 つの予測子 (FICO、連続変数) とローンの種類 (2 つのカテゴリ、O と R) があります。 モデルの適合を使用して、これら 2 つの予測子で最小二乗回帰を適合させます。 標準の最小二乗パーソナリティとインジケーターのパラメーター化を使用すると、出力は次のようになります。
代わりに、同じモデルを当てはめて、誤差の正規モデルを使用した一般化回帰を選択した場合 (したがって、OLS 当てはめを取得した場合)、出力は次のようになります。
推定値は同じですが、ダミー変数のラベル付けが変更されています。
一般化された回帰のラベル付けは、除外されたグループを示すため、私は好みますが、どちらを使用しても同じである必要があります。 生徒たちは、ラベリングの変更に混乱を覚えています。
