数据中心化，再做回归的问题

看到有人用这种方式做计量模型，
（Y - Y的平均值）=常数项+(x1-x1的平均值）+(x2-x2的平均值）+(x3-x3的平均值）+residual（估计这个也是减去平均值了）.
请问大家用这种方式作回归，有什么优点和缺点呢？

还有，发现用这种方法做的回归结果是r^2很高，但是dw很低，不清楚这个结果是不是暗示着什么问题呢？

谢谢大家！！

DW较低说明存在相关性，R方高说明你和良好
另外，你这个模型应该是（Y - Y的平均值）=常数项+a(x1-x1的平均值）+b(x2-x2的平均值）+c(x3-x3的平均值）+residual（估计这个也是减去平均值了）吧，也就是说X1X2X3前面是有系数的!优点就是对一些变量较大和较小的数目在一起回归的话，中心化后，变量的数据变化范围稳定！缺点：我认为用Y - Y的平均值作为被解释变量不可以!
我觉得这个模型不是最好的模式！

均值是全样本的吗？

这不就是FE模型吗?

DW值不能简单的看大小，如果是一阶相关，那应该是2左右为好，并不是越小越好。

这个方法的话，其实我看到的是关于连续变量交叉项的解释。
Recentering以后理论上的回国结果是不变的，但是却可以更好地解释，尤其对于交叉项而言。
当然，连续交叉本身理论上就是个不太好解决的问题。

在有交互项的时候，一般需要采用这样的处理，便于对交互项的解释。
参见伍德里奇《现代观点》交互项那部分

太专业了，惭愧

这是中心化的回归方程 很多时候会进一步把中心化的变量除以相应变量的样本标准差 然后再做回归 这样变成标准化的回归方程 好处是去除量纲的影响 一定程度下可以比较不同的x对y的影响大小
至于DW很小 如果是很接近0 超过了阈值时 可能存在有一阶自相关 具体是正是负忘了。。。如果是不止一阶自相关有高阶的话那就不好说了

Mertesacker 发表于 2012-9-7 00:33
在有交互项的时候，一般需要采用这样的处理，便于对交互项的解释。
参见伍德里奇《现代观点》交互项那部分

在哪一页呀？我手上有一本《计量经济学导论，第四版》没有看到专门讲交乘项的章节呢？？