Binary-Data
二進制數據的指示變量：{-1,1} vs {0,1}
我對實驗/隨機對照試驗背景下的治療協變量相互作用感興趣，具有二元治療分配指標.
根據具體的方法/來源，我都見過和分別用於治療和未治療的受試者。
何時使用有什麼經驗法則或者?
解釋有何不同？
指標變量的估計量和截距的解釋不同。讓我們從：
假設您有以下型號
在哪裡
在這種情況下，您最終會得到以下公式：
所以的解釋是安慰劑的效果和解釋是安慰劑效果和藥物效果之間的差異。實際上，您可以解釋作為藥物提供的改進。
現在讓我們看看：
然後你有以下模型（再次）：
但是哪裡
在這種情況下，您最終會得到以下公式：
這裡的解釋是是安慰劑效應和藥物效應的平均值，並且是兩種處理方法與該均值的差異。
那你用哪個？
的解釋在基本上是一個基線。您設置了一些標準治療，所有其他治療（可以有多個）與該標準/基線進行比較。特別是當您開始添加其他協變量時，這仍然很容易解釋標準醫學問題：這些藥物與安慰劑或已建立的藥物相比如何？
但歸根結底，這都是解釋的問題，我在上面解釋過。因此，您應該評估您的假設並檢查哪種解釋使得出的結論最直接。