Centracja
Centracja – proces przekształcania wartości zmiennej na odchylenia od określonego punktu. Tym punktem może być jakakolwiek wybrana wartość, ale zwykle używa się wartości średniej. W takim przypadku, aby dokonać centracji należy od każdej wartości zmiennej odejąć wartość średnią. Takie przekształcenie nie zmienia kształtu rozkładu, a jedynie “przesuwa” go tak, tak że jego środek zlokalizowany był w punkcie zerowym na osi (wartość średnia wynosi zero). Centracja jest często stosowana w analizie danych przed dalszymi analizami statystycznymi lub modelowaniem, aby ułatwić interpretację wyników lub spełnić założenia niektórych metod statystycznych.
Istnieją 2 główne metody centracji:
- Grand mean centring (centrowanie względem średniej ogólnej) – od każdej obserwacji odejmowana jest średnia ogólna dla całego zbioru danych. Przykład: od wzrostu wszystkich uczniów szkoły podstawowej odejmujemy średni wzrost wszystkich uczniów tej szkoły.
- Group mean centring (centrowanie względem średniej grupowej) – odjęcie średniej obliczonej dla każdej grupy od obserwacji należących do tej grupy. Oznacza to, że dla każdej grupy obserwacji obliczana jest osobna średnia, a następnie od wartości obserwacji w danej grupie odejmowana jest średnia tej grupy. Przykład: od wzrostu każdego ucznia odejmujemy średni wzrost uczniów należących do jego klasy.
Zagadnienie centracji jest ściśle związane z wielopoziomowością danych, czyli świadomością istnienia różnych czynników determinujących nasilenie zmiennej zależnej. Proces ten możemy przeprowadzić samodzielnie, gdybyśmy chcieli usunąć wariancję np. uczenia się w różnych szkołach w celu porównania związku ocen z przedmiotów z ocenami z egzaminu ósmoklasisty w województwie Świętokrzyskim. Warto także pamiętać, że niektóre dodatki do programów statystycznych np. PROCESS lub MLmed opierają się na automatycznym centrowanie zmiennej.
Mimo pokrewieństwa w zakresie procesu przeliczania, centracji nie należy mylić z procesem standaryzacji lub ipsatyzacji.
