Una procedura spesso poco considerata da chi analizza dati sperimentali \u00e8 la centratura delle variabili.
\nDi cosa si tratta? Perch\u00e8 pu\u00f2 essere molto importante?<\/p>\n
Prendiamo un banalissimo esperimento:<\/strong> Nel momento in cui noi andiamo a costruire un classico modello di regressione lineare otteniamo:<\/p>\n un\u2019intercetta; Diciamo che ora tu voglia interpretare l\u2019intercetta. L\u2019intercetta altro non \u00e8 che il reddito medio quando il valore di tutte le variabili \u00e8 0.<\/p>\n Nel nostro caso l’intercetta rappresenterebbe <\/strong>il reddito medio dei maschi (sesso=0), di educazione normale (educazione=0) e….di zero anni! Per avere perci\u00f2 un valore interpretabile puoi analizzare i dati utilizzando non direttamente l\u2019et\u00e0 ma la variabile “centrata” ottenuta sottraendo l’et\u00e0 media ad ogni valore di et\u00e0<\/strong>. Non \u00e8 detto che tu debba sottrarre per forza la media; puoi “centrare” su qualsiasi altro valore, ma usare la media \u00e8 forse il criterio pi\u00f9 diffuso.<\/p>\n Mettiamo per assurdo che tu abbia 10 soggetti, e i valori di et\u00e0 fossero: In questo modo i coefficienti non cambieranno ma la nuova intercetta sar\u00e0 interpretabile come il reddito medio dei maschi di educazione normale e di et\u00e0 media.<\/p>\n Questo \u00e8 solo un esempio dell’utilizzo della centratura delle variabili sulla loro media, ma spero tu possa aver intuito le potenzialit\u00e0 di questa strategia.<\/p>\n Un caro saluto.<\/p>\n","protected":false},"excerpt":{"rendered":"
\na 10 soggetti viene rilevato il reddito annuo e si vuole valutare se questo reddito \u00e8 correlato:
\ncon l’et\u00e0;
\ncon il sesso (diciamo 0 per i maschi, 1 per le femmine) e;
\ncon il livello di educazione (diciamo: 0 per educazione \u201cnormale\u201d, 1 per educazione \u201calta\u201d).<\/p>\n
\nun coefficiente per l\u2019et\u00e0;
\nun coefficiente per il livello di educazione
\nun coefficiente per il sesso.<\/p>\n
\nCapisci bene che in questo modo il valore dell\u2019intercetta risulta \u201cnon interpretabile\u201d perch\u00e9 a zero anni \u00e8 impossibile avere un reddito.<\/p>\n
\n27, 35, 37, 37, 40, 45, 46, 52, 55 e 62 anni.
\nL’et\u00e0 media \u00e8 43,6 anni.
\nInvece di usare queti valori di et\u00e0, nel tuo modello di regressione sottrarrai la media ad ognuno di loro:
\n-16,6, -8,6, -6,6, -6,6, -3,6, 1,4, 2,4, 8,4, 11,4 e 18,4.<\/p>\n