Por ejemplo, a muchas personas no les gusta estandarizar variables ficticias, que solo tienen valores de 0 y 1, porque un "aumento de una desviación estándar" no es algo que realmente pueda ocurrir con dicha variable. Ergo, es posible que desee dejar las variables ficticias sin estandarizar mientras estandariza las variables X continuas.
¿Necesito estandarizar la variable dependiente?
Debe estandarizar las variables cuando su modelo de regresión contiene términos polinómicos o términos de interacción. Si bien estos tipos de términos pueden proporcionar información extremadamente importante sobre la relación entre la respuesta y las variables predictoras, también producen cantidades excesivas de multicolinealidad.
¿Tiene sentido estandarizar variables binarias?
Algunos investigadores están a favor de estandarizar las variables binarias ya que haría que todos los predictores estuvieran en la misma escala. Es una práctica estándar en la regresión penalizada (lasso). En este caso, los investigadores ignoran la interpretación de las variables.
¿Deberíamos estandarizar las variables categóricas?
Es una práctica común estandarizar o centrar las variables para que los datos sean más interpretables en análisis de pendientes simples; sin embargo, las variables categóricas nunca deben estandarizarse o centrarse. Esta prueba se puede utilizar con todos los sistemas de codificación.
¿Cómo se estandarizan las diferentes variables?
Normalmente, para estandarizarvariables, calcula la media y la desviación estándar para una variable. Luego, para cada valor observado de la variable, resta la media y divide por la desviación estándar.
