¿Siempre hay una razón para no utilizar polinomios ortogonales cuando regresiones?

Question

En general, me pregunto si no es mejor no usar polinomios ortogonales cuando el ajuste de una regresión con variables de orden superior. En particular, me pregunto si con el uso de R:

Si poly() con raw = FALSE produce los mismos valores ajustados como poly() con raw = TRUEy poly con raw = FALSE resuelve algunos de los problemas asociados con el polinomio de regresiones, poly() con raw = FALSE siempre se utiliza para el ajuste de regresiones polinómicas? En qué circunstancias sería mejor no usar poly()?

Answer 1

Nunca una razón? Seguro; probablemente varias.

Considere, por ejemplo, donde yo estoy interesado en los valores de la prima de los coeficientes de (digamos, para compararlos con la hipótesis de valores), y la multicolinealidad no es un problema en particular. Es prácticamente la misma razón por la que a menudo no significa centro ordinario de regresión lineal (que es el lineal ortogonal polinomio)

No son cosas que no se pueden tratar a través de polinomios ortogonales; es más una cuestión de conveniencia, sino la conveniencia, para mí es una gran razón por la que hago un montón de cosas.

Dicho esto, me inclino hacia polinomios ortogonales en muchos casos, mientras que la guarnición polinomios, ya que tiene algunos beneficios distintos.

Answer 2

Porque si el modelo deja R cuando crece para arriba, usted tiene que recordar embalar sus constantes centrado y normalización, y entonces tiene que cargar alrededor de todo el tiempo. Imagínese que entra a través de él algún día codificado en SQL, y el horror de darme cuenta les ha perdido!