不懂，帮顶

要慢慢消化吸收，谢谢分享，支持

目的是消除不同变量间量纲差异，自身变异，数值大小带来的影响。

在对一些数据进行聚类分析，或者画出相关聚类图时，就需要对一些数据进行中心化和标准化处理。

good``````

谢谢，非常好的东西

就是把变量标准化

比如有的公司市值几万
有的公司市值几个亿
进行回归会有问题
就可以用

个人感觉中心化不影响模型结果

在模型Y = b0 + b1X + b2Z + b3XZ 中
中心化的意思通俗来说，就是在解读回归系数时，一般需要将X、Z和XZ的取中值再回复到各自的原始值。
先将X和Z分别取中,即将X和Z分别减去各自的均值（即XM和ZM），其结果也就是原始值的离差，然后再将取中后的X和Z相乘，如下：
X1=X - XM
Z1=Z-ZM
XZ1 = (X - XM) * (Z - ZM）(不会弄下标，额，明白意思就行哈，囧)
模型变为：Y=a0+b0 X1+c0 Z1+d0 XZ1
即为：Y=a0+b0 （X-XM）+c0 (Z-ZM)+d0 (X - XM) * (Z - ZM）
整理后，Y=a0*+b0*X+c0*Z+d0*XZ
这时你按照以前解释系数的方法去解释就可以啦~
我不知道你是不是问的这个~~
希望有点帮助！

还需要注意的是，给定自变量的取值为什么要中心化的一个原因就是会使得预测值的方差较小，因而预测值的估计也越精确，反之，给定的自变量的取值越远离其样本均值，则预测值越不准确。

以上文字截取自某位坛友，红色字体部分是对本帖提出问题的回答。
来源：https://bbs.pinggu.org/forum.php?mod=viewthread&tid=638629&page=1#pid4560961

友情顶

用来处理数据的偏态、数据的缺失、数据的异常值等，而且数据中心化后，使得截距项的经济含义明确了

帮忙顶

正解，赞。

学习了，谢谢~

进行分层线性模型的时候一般要用到数据中心化，处理数据缺失等问题。

学习了

楼上说的都不够详细清晰啊

你好，请问一下，HLM中-1层数据取了ln再用组内中心化会不会有问题？最近看了《分层线性模型层-1自变量中心化问题研究综述》，不太敢乱用-1层中心化了。

据我看的资料，好像没有用到ln的，一般是原数据，或者是数据的简单处理，如用比率。

感谢回复！我问了这么多了，就你回复了，巨谢你先，好人百篇A！但是我的用原始数据做的时候，一些变量不知怎的就不能加入模型了，比如下边这个，只要加入sz这个变量就跑出来是这个结果
没有数据缺失，ID也连续，是sz这个变量本身方差过大么？我对sz取ln就可以跑出结果。。。你怎么看呢？