中心化处理有几种方法

问题描述

精选答案

1）第一步计算平均值

2）第二步做减法

假设，我们想对体重数据和做功数据进行中心化处理，具体来看一下：

第一步：描述统计输出平均值

菜单栏【分析】→【描述统计】→【描述】，将体重和做功两变量移入目标变量框即可。来看结果：

体重均值：47.0579

做功均值：94.4967

为了计算的准确度，我们这里保留四位小数。

第二步：做个减法

菜单栏【转换】→【计算变量】，为了与原来的体重变量做区分，我们给新的中心化后的数据命名，本例是在原变量名称前加大写字母Z，你也可以起个其他名字。

然后在【数字表达式】框内，先将“体重”数据从左下角变量列表中移进来，接着输入表达式，即减去平均值47.0579，最后点下方【确定】执行计算。

同理，我们再计算Zwork，表达式截图如下：

马上看一下切换到数据视图下看结果：

如果你不放心的话，那我们可以马上再做一个描述统计，对比一下原始数据和中心化后的数据表现。

看看，中心化后的Zweight和Zwork其平均值都已经为零了，平移成功，中心化成功。

其他回答

工程师笔记

中心化处理在回归分析中，常常指的是将变量减去它的均值，可得到均值为0，标准差为1的服从标准正态分布的数据。

简单来说就是将数据平移到坐标中心原点处。

中心化处理后的数据则是以原点为基准的，对向量也更容易描述。在做PCA时有所用到。