Das Format für die „One-Hot“- oder „Indikator-Parametrisierung“ kategorialer Variablen ist nicht dasselbe, wenn die Standard-Persönlichkeiten der kleinsten Quadrate und die generalisierte Regressionspersönlichkeit von Modell anpassen verwendet werden.
Die folgende Regression hat beispielsweise eine kontinuierliche Antwort und zwei Prädiktoren (FICO, eine kontinuierliche Variable) und einen Kredittyp (zwei Kategorien, O und R). Passen Sie eine Regression der kleinsten Quadrate mit diesen beiden Prädiktoren unter Verwendung von Modell anpassen an. Mit der standardmäßigen Least-Squares-Persönlichkeit und der Indikatorparametrierung sieht die Ausgabe wie folgt aus:
Wenn Sie stattdessen dasselbe Modell anpassen, aber eine verallgemeinerte Regression mit einem normalen Modell für die Fehler auswählen (und so eine OLS-Anpassung erhalten), sieht die Ausgabe folgendermaßen aus:
Die Schätzungen sind die gleichen, aber die Bezeichnung für die Dummy-Variable hat sich geändert.
Ich bevorzuge die Bezeichnung der verallgemeinerten Regression, da sie die ausgelassene Gruppe anzeigt, aber was auch immer verwendet wird, sollte dasselbe sein. Die Schüler finden die Änderung der Beschriftung verwirrend.
