예를 들어 성별이 일반적으로 1/2이 아닌 0/1로 코딩되는 이유는 무엇입니까?

데이터 분석을위한 코딩 논리를 이해합니다. 아래의 내 질문은 특정 코드 사용에 관한 것입니다.

• 성별이 여성의 경우 0, 남성의 경우 1로 코딩되는 이유가 있습니까?
• 이 코딩이 왜 '표준'으로 간주됩니까?
• 이것을 Female = 1 및 Male = 2와 비교하십시오.이 코딩에 문제가 있습니까?

이진 변수의 일대일 코딩을 선호하는 이유 :

• 0-1 변수의 평균은 값 1로 표시되는 범주의 비율 (예 : 남성의 비율)을 나타냅니다.
• 간단한 회귀 에서 는 변수이며 상수는 간단한 해석을합니다 (예 : 는 암컷 의 의 평균입니다 ).x a $y = a + bx$$x$$a$$y$
• 두 값 사이의 차이가 1 인 2 진 변수의 코딩 (즉, 0-1, 1-2)은 회귀 계수에 대한 직접적인 해석을 제공합니다 (예 : 는 여성에서 남성으로의 영향) 와이).$b$

이진 변수를 코딩하는 것에 대한 여러 가지 점 :

• 범주의 순서를 유지하는 이진 변수의 코딩 (예 : 여성 = 0, 남성 = 1; 여성 = 1, 남성 = 2; 여성 = 1007, 남성 = 2000 등)은 상관 관계에 영향을 미치지 않습니다. 다른 변수와 이진 변수.
• 이 방법으로 이진 변수를보고하는 테이블은 변수가 어떻게 코딩되었는지 명확하게 보여야합니다. 또한 하나의 값을 나타내는 범주별로 변수에 레이블을 지정하는 것이 유용 할 수 있습니다 (예 : y = a + b * Male대신) y = a + b * Gender.
• 일부 이진 변수의 경우 한 범주를 더 자연스럽게 코딩해야합니다. 예를 들어, 치료와 제어의 차이를 볼 때 회귀 계수가 치료의 효과로 가장 잘 생각되므로 제어는 0이어야하고 치료는 1이어야합니다.
• 범주를 뒤집 으면 (예 : female = 0 및 male = 1 대신 female = 1 및 male = 0으로 만들기) 상관 및 회귀 계수의 부호가 반전됩니다.
• 성별의 경우, 일반적으로 변수 여성 = 0, 남성 = 1, 남성 = 0, 여성 = 1을 코딩하는 자연스러운 이유는 없습니다. 회귀 계수를 양으로 만드는 코딩을 선택하면 해석이 쉬워 질 수 있습니다. 또한 일부 상황에서 한 성별이 참조 범주로 간주 될 수 있습니다. 예를 들어, 남성 지배 직업에서 여성이 소득에 미치는 영향을 연구하고 있다면, 여성의 영향을 이야기하기 위해 male = 0, female = 1을 코딩하는 것이 합리적 일 수 있습니다.
• 신중한 방법으로 회귀 계수를 스케일링하면 회귀 계수의 해석 가능성에 강력한 영향을 줄 수 있습니다. Andrew Gelman은 이것에 대해 꽤 많이 이야기합니다. 예를 들어 , Statistics in Medicine , 27, 2865-2873 에서 2 가지 표준 편차 (PDF)로 나누어서 그의 2008 년 논문 스케일링 회귀 입력을 참조하십시오 .
• 남성과 여성을 -1과 +1로 코딩하는 것은 의미있는 계수를 제공 할 수있는 또 다른 옵션입니다 ( "효과 코딩이란 무엇입니까" 참조 ).

결과를보다 쉽게 ​​해석 할 수 있습니다. 높이 데이터가 있다고 가정하십시오.

Woman A: 165
Woman B: 170
Woman C: 175
Man D: 170
Man E: 180
Man F: 190 

그리고 당신은 형태의 회귀를 취했습니다 Height = a + b * Gender + Residual.

0,1 더미 변수를 사용 a하면 여성의 평균 신장은 170, 남성의 평균 신장 b은 10입니다.

1,2 개의 더미 변수를 사용하면 a해석하기 어려운 160 의 추정치를 얻을 수 있습니다.

성별을 저장하는 데 자주 사용되는 필드 유형이 비트 필드이고 SQL의 비트 필드는 0 또는 1의 값만 가질 수 있다고 가정했습니다. 데이터를 덤프하면 0 또는 1로 나오고 그래서 그 특별한 가치를 얻는 이유입니다.

1과 2를 사용하려면 더 큰 필드 유형을 사용해야하므로 더 많은 공간을 차지하므로 전체 데이터베이스를 약간 더 크게 만들어야합니다.

교수는 해부학을 반영하기 위해 여성이 0이고 남성이 1 인 "생물학적으로"코딩 할 것을 제안했습니다. 수업에서 말하는 것이 가장 민감한 PC라고 생각하지는 않지만 5 년 후 데이터 세트를 볼 때 기억하기 쉽습니다.

많은 이유가 지금까지 게시되었지만 반복적이어야합니다. 왜 1부터 계산을 시작 하시겠습니까? 많은 숫자 알고리즘을 훨씬 더 복잡하게 만듭니다. 라벨링은 1이 아닌 0에서 시작합니다. 아직 확신이 없다면 http://madhadron.com/?p=69 에서 중요한 이유를 알 수 있습니다 .

여성이 0이고 남성이 1 인 이유에 관해서는, 대부분의 역사에서 통계학자는 스트레이트 남성 일 가능성이 있음을 기억하십시오. 섹스의 이름을 물었을 때 가장 먼저 떠오르는 것은 '여자'였습니다. 그 이후의 모든 것은 아마도 역사적인 사고와 합리화 일 것입니다.

ISO / IEC 5218 표준 업데이트 다음지도이 개념 :

0 = not known,
1 = male,
2 = female,
9 = not applicable.

이것은 JavaScript와 같이 0이 잘못된 값으로 강제되는 언어에서 특히 유용합니다.

if ( !user.gender ) {
    promptForGender();
}

제가 개인적으로 보는 방식은 전적으로 0입니다. 자궁의 모양이기 때문에 일반적으로 여성을 나타냅니다. 그리고 거의 모든 과학에서 (즉, 생물학 / 유전학 혈통 차트에서) 원형 또는 0은 여성을 나타냅니다. 직선 모양 (삼각형, 사각형 또는 1)이 남성 성별을 나타내는 경향이있는 경우. 이 간단한 이해는 어느 것이 나에게 어느 것인지 항상 기억하기 쉬워졌습니다.

하루가 끝나고 데이터를 직접 코딩하고 분석하는 경우 원하는 더미 변수에 대한 키가있는 한 일반적으로 원하는 숫자를 입력 할 수 있지만 관련이 없습니다.