เหตุใดจึงมีการเข้ารหัสรหัสเพศ 0/1 แทนที่จะเป็น 1/2

ฉันเข้าใจตรรกะของการเข้ารหัสสำหรับการวิเคราะห์ข้อมูล คำถามของฉันด้านล่างเป็นการใช้รหัสเฉพาะ

• มีเหตุผลใดที่รหัสเพศมักจะเป็น 0 สำหรับผู้หญิงและ 1 สำหรับผู้ชาย?
• ทำไมการเข้ารหัสนี้จึงถือเป็น 'มาตรฐาน'
• เปรียบเทียบสิ่งนี้กับหญิง = 1 และชาย = 2 มีปัญหากับการเข้ารหัสนี้หรือไม่?

เหตุผลที่ชอบการเข้ารหัสไบนารีของ zero-one:

• ค่าเฉลี่ยของตัวแปร zero-one แสดงถึงสัดส่วนในหมวดหมู่ที่แสดงโดยค่าหนึ่ง (เช่นเปอร์เซ็นต์ของเพศชาย)
• ในการถดถอยแบบง่ายโดยที่xคือตัวแปร zero-one ค่าคงที่มีการตีความตรงไปตรงมา (เช่นaคือค่าเฉลี่ยของyสำหรับผู้หญิง)$y = a + bx$$x$$a$$y$
• การเข้ารหัสของตัวแปรไบนารีใด ๆ ที่ความแตกต่างระหว่างสองค่าคือหนึ่ง (เช่นศูนย์หนึ่ง แต่ยังหนึ่งสอง) ให้การตีความตรงไปตรงมากับสัมประสิทธิ์การถดถอย (เช่นคือผลของการไปจากหญิงกับชายใน y)$b$

จุดต่าง ๆ เกี่ยวกับการเข้ารหัสตัวแปรไบนารี:

• การเข้ารหัสของตัวแปรไบนารีใด ๆ ที่รักษาลำดับของหมวดหมู่ (เช่น female = 0, male = 1; female = 1, male = 2; female = 1007, Male = 2000; ฯลฯ ) จะไม่มีผลต่อความสัมพันธ์ของ ตัวแปรไบนารีพร้อมตัวแปรอื่น ๆ
• ตารางใด ๆ ที่รายงานตัวแปรไบนารีด้วยวิธีนี้ควรทำให้ชัดเจนว่ามีการเข้ารหัสตัวแปรอย่างไร นอกจากนี้ยังสามารถเป็นประโยชน์กับป้ายตัวแปรตามหมวดหมู่ที่เป็นตัวแทนของความคุ้มค่าของหนึ่ง: เช่นมากกว่าy = a + b * Maley = a + b * Gender
• สำหรับตัวแปรไบนารี่บางประเภทควรมีรหัสหนึ่งหมวดหมู่โดยธรรมชาติ ตัวอย่างเช่นเมื่อดูที่ความแตกต่างระหว่างการรักษาและการควบคุมการควบคุมควรเป็นศูนย์และการรักษาควรเป็นหนึ่งเนื่องจากสัมประสิทธิ์การถดถอยเป็นความคิดที่ดีที่สุดว่าเป็นผลของการรักษา
• การพลิกหมวดหมู่ (เช่นการทำให้ตัวเมีย = 1 และตัวผู้ = 0 แทนที่จะเป็นตัวเมีย = 0 และตัวผู้ = 1) จะพลิกสัญลักษณ์ของสหสัมพันธ์และสัมประสิทธิ์การถดถอย
• ในกรณีของเพศนั้นโดยทั่วไปแล้วไม่มีเหตุผลตามธรรมชาติในการกำหนดตัวแปรตัวเมีย = 0, ตัวผู้ = 1, เมื่อเทียบกับตัวผู้ = 0, ตัวเมีย = 1 อย่างไรก็ตามการประชุมอาจแนะนำการเข้ารหัสหนึ่งครั้งที่ผู้อ่านคุ้นเคย หรือเลือกการเข้ารหัสที่ทำให้สัมประสิทธิ์การถดถอยเป็นบวกอาจทำให้การตีความง่ายขึ้น นอกจากนี้ในบางบริบทเพศหนึ่งอาจถูกมองว่าเป็นหมวดหมู่อ้างอิง ตัวอย่างเช่นหากคุณกำลังศึกษาผลกระทบของการเป็นผู้หญิงในอาชีพที่ผู้ชายมีต่อรายได้อาจทำให้รหัส = 0 และเพศหญิง = 1 เพื่อพูดถึงผลของการเป็นผู้หญิง
• การปรับสเกลสัมประสิทธิ์การถดถอยในรูปแบบที่รอบคอบสามารถมีผลกระทบอย่างมีประสิทธิภาพต่อการตีความของสัมประสิทธิ์การถดถอย Andrew Gelman พูดถึงเรื่องนี้ค่อนข้างน้อย ดูตัวอย่างการป้อนข้อมูลการถดถอยมาตราส่วนกระดาษของปี 2551 โดยหารด้วยค่าเบี่ยงเบนมาตรฐานสองค่า (PDF)ในสถิติทางการแพทย์ , 27, 2865-2873
• การเข้ารหัสตัวผู้และตัวเมียเป็น -1 และ +1 เป็นอีกตัวเลือกหนึ่งที่สามารถให้ค่าสัมประสิทธิ์ที่มีความหมาย (ดู"การเข้ารหัสเอฟเฟกต์คืออะไร" )

ทำให้การตีความผลลัพธ์ง่ายขึ้น สมมติว่าคุณมีข้อมูลส่วนสูง:

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

Height = a + b * Gender + Residualและคุณเอาการถดถอยของรูปแบบ

ด้วยตัวแปรดัมมี่ 0,1 คุณจะได้รับการประมาณa170 เป็นความสูงเฉลี่ยของผู้หญิงและbจาก 10 เป็นความแตกต่างระหว่างความสูงเฉลี่ยของผู้ชายและผู้หญิง

ด้วยตัวแปร 1,2 ตัวคุณจะได้ค่าประมาณa160 ซึ่งยากต่อการตีความ

ฉันสันนิษฐานว่าเป็นเพราะประเภทเขตข้อมูลมักใช้เพื่อเก็บเพศเป็นเขตข้อมูลบิตและเขตข้อมูลบิตใน SQL สามารถมีค่าเป็น 0 หรือ 1 เท่านั้นเมื่อคุณถ่ายโอนข้อมูลออกมามันจะเป็น 0 หรือ 1 และ นั่นคือเหตุผลที่คุณได้รับคุณค่าเหล่านั้น

หากคุณต้องการใช้ 1 และ 2 คุณจะต้องใช้ประเภทฟิลด์ที่ใหญ่กว่าซึ่งจะใช้พื้นที่มากขึ้นและทำให้ฐานข้อมูลทั้งหมดใหญ่ขึ้นเล็กน้อย

ฉันมีศาสตราจารย์แนะนำให้เราเขียนโค้ด "ทางชีวภาพ" โดยที่ผู้หญิงอายุ 0 และผู้ชายอายุ 1 - เพื่อสะท้อนกายวิภาค ฉันไม่คิดว่ามันเป็นสิ่งที่อ่อนไหวที่สุดหรือสิ่งที่พีซีจะพูดในชั้นเรียน แต่แน่นอนจำได้ง่ายเมื่อมองไปที่ชุดข้อมูล 5 ปีต่อมา

เหตุผลที่ดีมากมายที่โพสต์ไว้ แต่ก็ควรจะสะท้อนกลับ ทำไมคุณเริ่มนับที่ 1 มันทำให้อัลกอริธึมเชิงตัวเลขมากมายซับซ้อนกว่ามาก การติดป้ายกำกับเริ่มต้นที่ 0 ไม่ใช่ 1 หากคุณยังไม่มั่นใจในเรื่องนี้ฉันมีตัวอย่างที่ดีว่าทำไมจึงเป็นเรื่องสำคัญที่http://madhadron.com/?p=69

สำหรับสาเหตุที่ผู้หญิงเป็น 0 และผู้ชายเป็น 1 โปรดจำไว้ว่าในประวัติศาสตร์ส่วนใหญ่ของสถิติมีแนวโน้มที่จะเป็นชายตรง เมื่อถูกถามให้ตั้งชื่อเพศสิ่งแรกที่นึกได้คือ 'ผู้หญิง' ทุกอย่างหลังจากนั้นอาจเป็นอุบัติเหตุทางประวัติศาสตร์และหาเหตุผลเข้าข้างตนเอง

มาตรฐาน ISO / IEC 5218การปรับปรุงมาตรฐานความคิดนี้กับแผนที่ต่อไปนี้:

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

สิ่งนี้มีประโยชน์อย่างยิ่งในภาษาที่ 0 รวมค่าเป็นเท็จเช่นใน JavaScript:

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

วิธีที่ฉันเห็นมันเป็นการส่วนตัวคือ phallically 0 เป็นตัวแทนของผู้หญิงราวกับว่ามันเป็นรูปร่างของมดลูกและคิดว่าจะเป็นผู้หญิง ... ในเกือบทุกวิทยาศาสตร์ (เช่นในชีววิทยา / พันธุศาสตร์แผนภูมิสายเลือด) วงกลมหรือศูนย์ผู้หญิง ในกรณีที่มีรูปร่างตรงขอบมากขึ้น (สามเหลี่ยมสี่เหลี่ยมหรือ 1s) มีแนวโน้มที่จะเป็นตัวแทนของเพศชาย ความเข้าใจที่เรียบง่ายนี้ทำให้ฉันจำได้ง่ายเสมอสำหรับฉัน

แม้ว่าในตอนท้ายของวันหากคุณเป็นคนหนึ่งที่เข้ารหัสและวิเคราะห์ข้อมูลด้วยตัวเองคุณสามารถใส่ตัวเลขที่คุณต้องการได้โดยทั่วไปตราบใดที่ยังมีกุญแจที่ใช้ตัวแปรจำลองที่คุณใช้ซึ่งมันจะไม่เกี่ยวข้อง