Các loại mã hóa khác nhau có sẵn cho các biến phân loại (trong R) và khi nào bạn sẽ sử dụng chúng?

Nếu bạn phù hợp với một mô hình tuyến tính hoặc một mô hình hỗn hợp, có sẵn các loại mã hóa khác nhau để biến đổi một biến thể phân loại hoặc danh nghĩa thành một số biến được ước tính, như giả lập (mặc định R) và mã hóa hiệu ứng.

Tôi nghe nói rằng mã hóa hiệu ứng (đôi khi được gọi là mã hóa độ lệch hoặc độ tương phản) được ưa thích khi bạn có tương tác, nhưng sự tương phản có thể xảy ra là gì và khi nào bạn sẽ sử dụng loại tương phản nào?

Bối cảnh là mô hình hỗn hợp trong R sử dụng lme4, nhưng tôi nghĩ phản hồi rộng hơn là tốt. Xin lỗi, nếu tôi bỏ lỡ một câu hỏi tương tự.

EDIT: Hai liên kết hữu ích là: giải mã hiệu ứng & mã hóa giả .

Những người khác có thể khai sáng cho tôi nếu tôi sai, nhưng ở đây đi

Hiệu ứng cho cấp độ so với giá trị trung bình của các cấp trước là gì? tức là bạn quan tâm đến việc xác định ngưỡng của hiệu ứng

• Sử dụng tương phản Helmert. Tôi nghĩ về điều này như là so sánh tích lũy. Tôi đã sử dụng điều này khi quan tâm đến việc xác định giới hạn liều đáp ứng của thuốc. So sánh với nhiều cấp độ cùng một lúc có nghĩa là ít thông tin bị vứt đi. Tôi nghĩ về điều này như là so sánh tích lũy.

Ảnh hưởng của cấp độ so với mức cơ sở là gì? tức là bạn quan tâm đến một nhóm so sánh cơ bản.

• Sử dụng mã hóa biến giả (điều trị tương phản). Tôi nghĩ về điều này như là so sánh cơ bản. Tôi đã sử dụng điều này khi thường có một nhóm / cấp được thiết lập là quan trọng bởi các nghiên cứu khác và nghiên cứu của tôi đang chứng minh rằng các hiệp hội cũng tồn tại khi vượt quá ngưỡng này.

Ảnh hưởng của hai cấp độ liền kề của một biến là gì?

• Sử dụng khác biệt tiến / lùi. Tôi nghĩ về điều này như là so sánh liên tiếp ngắn hạn. Tôi đã sử dụng điều này khi so sánh các hiệu ứng cho các cấp độ khác nhau của vị trí kinh tế xã hội, khi mỗi nhóm có thành phần khác nhau theo quyền riêng của họ và không quan tâm nhiều hơn bất kỳ nhóm nào khác.