標準化されたVS中心変数

stats.stackexchange.comで、標準化された独立変数と中心化された独立変数に関する多くの役立つ投稿を見つけましたが、それでも少し混乱しています。私が理解したことの評価をお願いします。また、以下が正しくない場合は、訂正していただけませんか。

1. 標準化する方法。標準化された変数は、変数の平均を減算し、その同じ変数の標準偏差で割ることによって取得されます。
2. センタリングする方法。中央に配置された独立変数は、変数の平均を引くだけで得られます。
3. 標準化する理由。変数を標準化して、回帰の変数の測定単位が異なる場合に推定係数の解釈を容易にします。標準化する場合は、回帰のすべての変数を標準化する必要があります。これは、定数（つまり、B0または切片）の推定値を取得できないことを意味します。
4. センタリングの理由。推定された定数の意味のある解釈を得たい場合は、変数を中央揃えにします。この場合、必要な変数の量を中央揃えにすることができます。すべての独立変数をモデルの中央に配置する必要はありません。
5. 独立変数Y.（単純な質問）Yを中央揃えまたは標準化したことはありますか？
6. 自然対数の利用。1つ以上の変数が正規分布していない場合は、自然対数を使用して変数を変換できます。この変換の後でのみ、すべての変数を標準化するか、中央に配置する必要がある変数を中央に配置できます。一般に、標準化またはセンタリングの前に変数の変換を行う必要があります（ここでは自然対数について説明しますが、変数を2乗したり、別の変数で除算したりできます（たとえば、population / km2）。
7. 解釈係数標準化変数。「X1の標準偏差が1増加すると、Yが-number-増加または減少します。」
8. 解釈係数中心の変数。確率変数の係数：「X1の平均から-number-の増加は、Yを-number-だけ増加（または減少）させます。」定数：「非中心の変数がゼロで、中心の変数がそれらの平均にあるとき、それはYの期待値を表します。」
9. 相互作用の用語。相互作用項の係数の解釈は、変数を標準化したか、またはそれらを中央に配置したか（相互作用の1つの変数のみ、または両方）のどちらでも問題になりません。基本的に、解釈は通常、相互作用項に与えるものです（たとえば、Yに対するX1の効果に興味があり、X1はX2と相互作用します。X1の全体の効果は、その係数+相互作用の係数によって与えられます。 X2が修正された場合の用語）、行った変換のタイプに応じて、ポイント7または8の後に続く解釈をコンテキスト化することを忘れないでください。

1. はい
2. はい
3. 変数を標準化して、結果変数の決定における独立変数の重要性を比較します。
4. 交互作用項を使用するときに変数を中央に配置したい場合があります。相互作用する変数の1つの最小値がゼロでない場合、その効果は意味のある解釈が可能になります。
5. 同じ独立変数のセットで（異なるスケールで）異なる結果変数を回帰する場合、推定係数を有意義に比較できます。
6. はい
7. はい。
8. はい。
9. はい。ただし、要点4。