将分类变量的默认 -1 1 编码更改为 0 1 编码亲爱的 JMP 社区成员们，
我发现，在拟合多元线性回归（y ~ X1 + X2，X1 是连续变量，X2 是分类变量）时，JMP 默认将虚拟变量 X2 定义为 -1 1。有没有办法将其更改为 0 1，这与 R 的默认虚拟变量编码相同？谢谢！
基础数据分析与建模回复：将分类变量的默认 -1 1 编码更改为 0 1 编码你好@Jogger560 ：在拟合模型输出顶部的红色三角形下拉菜单中，有一个指标参数化估计的选项。
回复：将分类变量的默认 -1 1 编码更改为 0 1 编码对于因子水平的编码建议始终是等距的，以 0 为中心。因此，2 级为 -1,1，3 级为 -1,0,1。
这是 Mark Bailey 的一句话：编码可以通过多种方式使分析受益：
- 参数估计值是可比较的，它们与相关的尺度（单位）无关。
- 参数估计值是可解释的。用实际值估计的截距是所有因子为零时的响应。这是什么意思？使用编码时，截距是设计原点（中心）处的平均响应。其他参数仍然表示因子 1 个单位变化引起的响应变化，但在编码空间中，1 个单位变化是范围的一半。将估计值加倍，这就是因子整个范围内响应的变化。
- 参数估计值不相关或相关性极小。这保留了显著性检验的功效。
回复：将分类变量的默认 -1 1 编码更改为 0 1 编码你好@statman ：我理解他的问题是关于分类因素（他的 OP 中的 X2）；你似乎在讨论协变量 X1？
回复：将分类变量的默认 -1 1 编码更改为 0 1 编码编码适用于实验中的任何类型的因素，无论是连续的还是分类的。这样可以轻松比较系数以进行分析。
回复：将分类变量的默认 -1 1 编码更改为 0 1 编码你好@statman ：也许吧，但是你的第一和第三个要点似乎与 X2 分类无关。
回复：将分类变量的默认 -1 1 编码更改为 0 1 编码我只是复制并粘贴了 Mark Baileys 关于因子编码的评论...我不想挑选他所写的内容：
https://community.jmp.com/t5/Discussions/DOE-Code-and-Uncoded-levels-of-factor/td-p/61864
回复：将分类变量的默认 -1 1 编码更改为 0 1 编码非常感谢！我还需要获取 0、1 编码下估计值的相关性，有办法吗？
回复：将分类变量的默认 -1 1 编码更改为 0 1 编码你好@statman ：确实，我并不反对 Mark 所写的关于连续变量的内容。但是，这与分类因子无关。
https://www.jmp.com/support/help/en/18.0/index.shtml#page/jmp/nominal-factors.shtml#
回复：将分类变量的默认 -1 1 编码更改为 0 1 编码你好@Jogger560 : 同一个地方。红色三角形下拉菜单中有各种选项！
回复：将分类变量的默认 -1 1 编码更改为 0 1 编码嗨@Jogger560 ：嗯，一些 JMP 人员可能想加入进来，但我认为这不是直接可用的。不过你可以自己获取。OLS 估计的 Var-Cov 矩阵在第 8 页定义。
https://web.stanford.edu/~mrosenfe/soc_meth_proj3/matrix_OLS_NYU_notes.pdf
