일반적으로 센터링은 다중 공선 성을 줄이는 데 도움이되지만 "다중 공선 성으로 죽지 않을 것입니다"(predrofigueira의 답변 참조).
가장 중요한 것은 절편을 의미있게 만들기 위해 센터링이 종종 필요합니다. 단순 모델 에서 절편은 의 예상 결과로 정의됩니다 . 는 IF 제로의 값은 의미가 없다, 어느 쪽도 itercept는 없습니다. 변수 를 평균의 중심에 두는 것이 종종 유용합니다 . 이 경우 예측 변수의 형식은 이고 intercept 는 의 값 이 평균 동일한 주제의 예상 결과입니다 .yi=α+βxi+εx=0xx(xi−x¯)αxix¯
이러한 경우 를 중심으로 한 다음 정사각형 을 만들어야합니다 . "new"변수 에서 결과를 회귀하므로 와 개별적으로 가운데에 맞출 수 새 변수를 제곱해야합니다. 센터링 은 무엇을 의미할까요?xxx2(xi−x¯)x2
평균이 의미가있는 경우 카운트 변수를 가운데에 맞출 수 는 있지만 스케일 변수 일 수도 있습니다. 예를 들어 및 "2"가 기준선이 될 수있는 경우 2를 빼면됩니다 : . 절편은 의 값 이 참조 값인 "2"와 동일한 주제의 예상 결과가됩니다 .x=1,2,3,4,5(xi−2)=−1,0,1,2,3xi
나누기에 관해서는 아무런 문제가 없습니다 : 추정 계수가 더 클 것입니다! Gelman and Hill §4.1의 예는 다음과 같습니다.
earningsearningsearnings=−61000+1300⋅height (in inches)+error=−61000+51⋅height (in millimeters)+error=−61000+81000000⋅height (in miles)+error
1 인치는 이므로 은 입니다. 1 인치는 에밀리이므로 은 입니다. 그러나이 세 방정식은 완전히 같습니다.25.4511300/25.41.6e−5810000001300/1.6e−5