Warum wird beispielsweise das Geschlecht in der Regel mit 0/1 anstatt mit 1/2 codiert?

Ich verstehe die Logik der Codierung für die Datenanalyse. Meine Frage unten ist die Verwendung eines bestimmten Codes.

• Gibt es einen Grund, warum das Geschlecht häufig als 0 für weiblich und 1 für männlich kodiert wird?
• Warum wird diese Kodierung als "Standard" angesehen?
• Vergleichen Sie dies mit Female = 1 und Male = 2. Gibt es ein Problem mit dieser Kodierung?

Gründe, eine Null-Eins-Codierung von Binärvariablen zu bevorzugen:

• Der Mittelwert einer Null-Eins-Variablen repräsentiert den Anteil in der Kategorie, der durch den Wert Eins dargestellt wird (z. B. den Prozentsatz der Männer).
• In einer einfachen Regression ist wobei die Variable Null-Eins ist, die Konstante direkt interpretiert (z. B. ist der Mittelwert von für Frauen).x a $y = a + bx$$x$$a$$y$
• Jede Kodierung einer binären Variablen, bei der die Differenz zwischen den beiden Werten eins ist (dh null eins, aber auch eins zwei), interpretiert den Regressionskoeffizienten direkt (z. B. ist die Auswirkung , wenn von weiblich nach männlich weitergegangen wird) y).$b$

Verschiedene Punkte zur Kodierung von Binärvariablen:

• Eine Kodierung einer binären Variablen, die die Reihenfolge der Kategorien beibehält (z. B. weiblich = 0, männlich = 1; weiblich = 1, männlich = 2; weiblich = 1007, männlich = 2000 usw.), hat keinen Einfluss auf die Korrelation von binäre Variable mit anderen Variablen.
• Alle Tabellen, die eine binäre Variable auf diese Weise melden, sollten klarstellen, wie die Variable codiert wurde. Es kann auch nützlich sein, die Variable nach der Kategorie zu kennzeichnen, die den Wert von eins darstellt: z . B. y = a + b * Malestatt y = a + b * Gender.
• Für einige binäre Variablen sollte eine Kategorie natürlicher als eine codiert werden. Wenn Sie beispielsweise den Unterschied zwischen Behandlung und Kontrolle betrachten, sollte die Kontrolle Null und die Behandlung Eins sein, da der Regressionskoeffizient am besten als die Wirkung der Behandlung angesehen werden kann.
• Wenn Sie die Kategorien spiegeln (z. B. "weiblich" = 1 und "männlich" = 0 anstelle von "weiblich" = 0 und "männlich" = 1), wird das Vorzeichen von Korrelationen und Regressionskoeffizienten gespiegelt.
• Im Falle des Geschlechts gibt es normalerweise keinen natürlichen Grund, die Variable female = 0, male = 1, versus male = 0, female = 1 zu codieren. oder die Wahl einer Codierung, die den Regressionskoeffizienten positiv macht, kann die Interpretation erleichtern. In einigen Zusammenhängen kann auch ein Geschlecht als Referenzkategorie angesehen werden. Wenn Sie beispielsweise untersuchen, wie sich eine Frau in einem von Männern dominierten Beruf auf das Einkommen auswirkt, ist es möglicherweise sinnvoll, male = 0 und female = 1 zu codieren, um von der Auswirkung einer Frau zu sprechen.
• Durchdachtes Skalieren von Regressionskoeffizienten kann einen starken Einfluss auf die Interpretierbarkeit von Regressionskoeffizienten haben. Andrew Gelman diskutiert dies ziemlich oft. Siehe zum Beispiel seinen Artikel Skalierung von Regressionseingaben durch Division durch zwei Standardabweichungen (PDF) in Statistics in Medicine , 27, 2865-2873.
• Die Kodierung von männlich und weiblich als -1 und +1 ist eine weitere Option, die aussagekräftige Koeffizienten liefern kann (siehe "Was ist Effektkodierung" ).

Dies erleichtert die Interpretation der Ergebnisse. Angenommen, Sie hatten einige Höhendaten:

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

und Sie haben eine Regression der Form genommen Height = a + b * Gender + Residual.

Mit der Dummy-Variablen 0,1 erhalten Sie eine Schätzung von a170 als Durchschnittsgröße der Frauen und bvon 10 als Differenz zwischen der Durchschnittsgröße der Männer und der Frauen.

Mit der Dummy-Variablen 1,2 würden Sie eine Schätzung avon 160 erhalten, was schwerer zu interpretieren ist.

Ich hatte angenommen, dass dies daran lag, dass der zum Speichern des Geschlechts häufig verwendete Feldtyp ein Bitfeld ist und Bitfelder in SQL nur die Werte 0 oder 1 haben können. Wenn Sie die Daten ausgeben, wird dies als 0 oder 1 und ausgegeben Deshalb bekommen Sie diese besonderen Werte.

Wenn Sie 1 und 2 verwenden möchten, müssen Sie einen größeren Feldtyp verwenden, der mehr Platz beansprucht und somit die gesamte Datenbank etwas vergrößert.

Ich hatte einen Professor vorgeschlagen, dass wir "biologisch" codieren, wobei Frauen 0 und Männer 1 sind - um die Anatomie widerzuspiegeln. Ich denke nicht, dass es die sensibelste oder PC-Sache in einer Klasse war, aber definitiv leicht zu merken, wenn man sich 5 Jahre später einen Datensatz ansieht.

Viele gute Gründe bisher gepostet, aber es sollte auch reflexiv sein. Warum würden Sie bei 1 anfangen zu zählen? Es macht viele numerische Algorithmen weitaus komplizierter. Die Beschriftung beginnt bei 0 und nicht bei 1. Wenn Sie noch nicht davon überzeugt sind, habe ich unter http://madhadron.com/?p=69 ein gutes Beispiel dafür, warum dies wichtig ist

Was die Frage betrifft, warum Frauen 0 und Männer 1 sind, erinnern wir uns, dass ein Statistiker für einen Großteil seiner Geschichte wahrscheinlich ein heterosexueller Mann war. Als ich nach einem Geschlecht gefragt wurde, fiel mir als erstes „Frau“ ein. Alles danach war wahrscheinlich ein historischer Unfall und eine Rationalisierung.

Die Norm ISO / IEC 5218 aktualisiert diesen Begriff mit der folgenden Karte:

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

Dies ist besonders nützlich in Sprachen, in denen 0 einen falschen Wert ergibt, z. B. in JavaScript:

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

Die Art, wie ich es persönlich sehe, ist phallisch. 0 steht typischerweise für weiblich, da es die Form des Mutterleibs ist und als weiblich angesehen wird. Wo mehr gerade Kantenformen (Dreiecke, Quadrate oder Einsen) dazu neigen, das männliche Geschlecht darzustellen. Dieses einfache Verständnis hat es mir leicht gemacht, mich immer daran zu erinnern, was was für mich ist.

Obwohl Sie am Ende des Tages selbst die Daten codieren und analysieren können, können Sie beliebige Zahlen eingeben. In der Regel ist dies jedoch irrelevant, solange ein Schlüssel für die Dummy-Variable vorhanden ist, für die Sie welche verwendet haben.