„Zmienna manekina” kontra „zmienna wskaźnikowa” dla danych nominalnych / kategorialnych

„Zmienna manekina” i „zmienna wskaźnika” to często używane etykiety, aby opisać członkostwo w kategorii z kodowaniem 0/1; zazwyczaj 0: nie należy do kategorii, 1: należy do kategorii.

W dniu 26.11.2014 r. Szybkie wyszukiwanie na scholar.google.com (wraz z cytatami) ujawnia, że „zmienna fikcyjna” jest używana w około 318 000 artykułów, a „zmienna wskaźnikowa” jest używana w około 112 000 artykułów. Termin „zmienna fikcyjna” ma również znaczenie w matematyce niestatystycznej „ zmienna związana ”, co prawdopodobnie przyczynia się do większego wykorzystania „zmiennej fikcyjnej” w artykułach indeksowanych.

Moje tematycznie powiązane pytania:

Czy te warunki są zawsze synonimami (w ramach statystyk)?
Czy którykolwiek z tych warunków nigdy zadowalająco zastosować do innych form kategoryczny kodowania (np efekt kodowania , Helmert kodowania, itp )?
Jakie są przyczyny statystyczne lub dyscyplinarne, aby preferować jeden termin nad drugim?

categorical-data terminology categorical-encoding Alexis
źródło

Zwykle używam „zmiennej wskaźnikowej” dla warunków binarnych, np. Płeć może być kodowana jak w maleprzypadku wartości 1lub 0. Jeśli istnieje zmienna kategorialna z więcej niż 2 kategoriami, która jest następnie rozszerzana na zmienne wskaźnikowe dla członkostwa na każdym poziomie, użyłbym „zmiennych zastępczych” do opisania tego zestawu zmiennych wskaźnikowych.

Gregor - przywróć Monikę

Myślę, że masz na myśli, że seks może być zakodowany jako 1 lub 0, płeć jest znacznie bardziej skomplikowaną konstrukcją. (pod tym względem seks może być również bardziej skomplikowany);)

Alexis,

punkt dobrze przemyślany, zredagowany na sex.

Gregor - przywróć Monikę

Zwykle nazywam taką zmienną wskaźnikową male, gdzie 1 oznacza prawda (w tym przypadku mężczyzna), a 0 oznacza fałsz (w tym przypadku kobieta). Jeśli użyję nazwy zmiennej sex, będę musiał sprawdzić, jak zakodowałem tę zmienną za każdym razem, gdy wracam do tego zestawu danych.

Maarten Buis

Słyszałem różne historie o tym, że „zmienna zmienna” jest szalona i niestety błędnie interpretowana przez nietechnicznych odbiorców jako sugerująca pogardę lub dyskredytację. Były na tyle zawstydzające i przekonujące, że zwróciły mnie przeciwko temu określeniu. „wskaźnik” jest dla mnie jasny i prosty.

Nick Cox

Odpowiedzi:

Powiedziałbym, że „zmienna fikcyjna” jest bardziej ogólnym sposobem na odniesienie do (jednej) zmiennych numerycznych, które reprezentują (razem reprezentują) predyktor jakościowy; dlatego termin ten ma również zastosowanie do tych używanych w kodowaniu Helmerta i efektach ^† . Wynika to głównie z ogólnego użycia „manekina” w znaczeniu „stand-in”. „Zmienna wskaźnika” Odnoszę się do funkcji wskaźnika ^‡ - więc mogą one wynosić tylko jeden lub zero, co oznacza posiadanie lub brak właściwości; dlatego termin ten ma zastosowanie tylko do tych używanych w kodowaniu na poziomie odniesienia ^※ . Oczywiście niektórzy ludzie używają „fałszywego kodowania” w znaczeniu „kodowania na poziomie odniesienia”; prawdopodobnie mają bardziej ograniczoną definicję „zmiennych fikcyjnych”, a przynajmniej tak powinno być.

† A jeśli nie nazywają te „manekiny”, co należy do nich zadzwonić?

‡ Tak więc np. Manekin jest zmienną wskaźnikową, gdy ta osoba jest mężczyzną (członek zbioru ): $x_i$ $i$ $u_i$ $M$

x_{ja} = 1_{M.} (u_{ja}) = {\begin{cases} 1 & w h mi n u_{ja} \in M. \\ 0 & w h mi n u_{ja} \notin M. \end{cases}

$x_i=\boldsymbol{1}_\mathrm{M}(u_i)=\left\{ \begin{array}{l l} 1 & \mathrm{when}\ u_i \in M\\ 0 & \mathrm{when}\ u_i \notin M\\ \end{array}\right.$

gdzie jest funkcją wskaźnik przynależności . $\boldsymbol{1}_M(\cdot)$ $M$

※ Lub, jak wskazał @gung, kodowanie oznacza poziom.

Scortchi - Przywróć Monikę
źródło

Huh ... czy możesz podać linki do niektórych zasobów, które to motywują? Z mojego doświadczenia wynika, że „zmienna fikcyjna” przyzwyczaja się do kodowania 0/1. Nie jestem pewien, czy widziałem manekina używanego, jak sugerujesz, i wiem, że inni używają go w odwrotnym sensie. Na przykład Alkharusi, H. (2012) „Zmienne kategoryczne w analizie regresji: porównanie kodowania manekina i efektu” International Journal of Education 4 (2): 202–210.

Alexis

Nie powiedziałem, że „zmienna fikcyjna” nie jest używana do kodowania 0/1, tylko że może być używana w bardziej ogólnym sensie.

Scortchi - Przywróć Monikę

Rzeczywiście, sam cytowany przez ciebie artykuł mówi, że stosując kodowanie efektów, „zmienne zastępcze przyjmują wartości 1, 0 i -1”. (Oczywiście myślę, że powinni nazwać „kodowanie pozorowane” czymś innym, jeśli mają to powiedzieć.)

Scortchi - Przywróć Monikę

Rozumiem ... co do pytania z twojego błędnego indeksu górnego, zwykle nazywam je „zmiennymi kategorialnymi przy użyciu kodowania XXX”.

Alexis

Najlepiej jest, aby Knuth w arxiv.org/abs/math/9205211 Przypisuje ten pomysł KE Iversonowi. Krótko mówiąc, nie musimy wymyślać ani wywoływać funkcji wskaźnika, ale śledzimy w formalnej dyskusji, co robi dla nas nasze oprogramowanie.

Nick Cox

$k$ $k$ $1$ ) Gdy istnieje tylko jedna zmienna kategorialna, daje to wynik modelowy w sposób, który jest prosty i może być preferowany przez niektóre osoby. (Na przykład, w którym użycie tego schematu ułatwia porównania zainteresowań, zobacz moją odpowiedź tutaj: Dlaczego szacunkowe wartości z najlepszego liniowego bezstronnego predyktora (BLUP) różnią się od najlepszego liniowego bezobsługowego estymatora (NIEBIESKI)? )

gung - Przywróć Monikę
źródło