たとえば、性別が通常、1/2ではなく0/1にコーディングされるのはなぜですか？

データ分析のためのコーディングのロジックを理解しています。以下の私の質問は、特定のコードの使用に関するものです。

• 性別が女性の場合は0、男性の場合は1としてしばしばコード化される理由はありますか？
• このコーディングが「標準」と見なされるのはなぜですか？
• これを女性= 1および男性= 2と比較してください。このコーディングに問題はありますか？

バイナリ変数のゼロワンコーディングを好む理由：

• 0から1の変数の平均は、値1で表されるカテゴリの割合（たとえば、男性の割合）を表します。
• 単純な回帰（はゼロから1の変数）では、定数は単純な解釈を持ちます（たとえば、は女性のの平均です）。$y = a + bx$$x$$a$$y$
• 2つの値の差が1（つまり、1対1、1対2）であるバイナリ変数のコーディングは、回帰係数を簡単に解釈します（たとえば、は女性から男性への影響です） y）。$b$

バイナリ変数のコーディングに関するさまざまなポイント：

• カテゴリの順序を保持するバイナリ変数のコーディング（たとえば、女性= 0、男性= 1、女性= 1、男性= 2、女性= 1007、男性= 2000;など）は、バイナリ変数と他の変数。
• この方法でバイナリ変数を報告するテーブルは、変数がどのようにコーディングされたかを明確にする必要があります。また、1ではy = a + b * Maleなく、1の値を表すカテゴリで変数にラベルを付けると便利ですy = a + b * Gender。
• 一部のバイナリ変数では、1つのカテゴリをより自然に1つのカテゴリとしてコーディングする必要があります。たとえば、治療とコントロールの違いを見るとき、回帰係数は治療の効果として最もよく考えられるため、コントロールはゼロで、治療は1でなければなりません。
• カテゴリを反転する（たとえば、女性= 0および男性= 1ではなく、女性= 1および男性= 0にする）と、相関および回帰係数の符号が反転します。
• 性別の場合、通常、変数female = 0、male = 1、male = 0、female = 1をコーディングする自然な理由はありません。または、回帰係数を正にするコーディングを選択すると、解釈が容易になる場合があります。また、状況によっては、1つの性別が参照カテゴリと見なされる場合があります。たとえば、収入に対する男性優位の職業で女性であることの効果を研究している場合、女性であることの効果について話すために、男性= 0、女性= 1とコーディングするのが理にかなっています。
• 思慮深い方法で回帰係数をスケーリングすると、回帰係数の解釈可能性に強力な影響を与える可能性があります。Andrew Gelmanがこれについてかなり議論しています。たとえば、Statistics in Medicine、27、2865-2873の2つの標準偏差（PDF）で割ることによる彼の2008年の論文のスケーリング回帰入力を参照してください。
• 男性と女性を-1と+1としてコーディングすることは、意味のある係数を提供できる別のオプションです（「エフェクトコーディングとは」を参照）。

結果の解釈が容易になります。いくつかの高さデータがあるとします：

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

そして、あなたはフォームの回帰を取りましたHeight = a + b * Gender + Residual。

0,1のダミー変数を使用するaと、女性の平均身長である170の推定値bと、男性と女性の平均身長の差である10の推定値が得られます。

1,2のダミー変数を使用するとa、160の推定値が得られますが、これは解釈が困難です。

これは、性別を格納するためによく使用されるフィールドタイプがビットフィールドであり、SQLのビットフィールドの値は0または1のみであるためだと想定していました。データをダンプすると、0または1として出力され、そのため、これらの特定の値を取得します。

1と2を使用する場合は、より大きなフィールドタイプを使用する必要があります。これにより、より多くのスペースが必要になり、データベース全体がわずかに大きくなります。

解剖学を反映するために、女性を0、男性を1として「生物学的に」コーディングすることを教授に提案しました。クラスで言うのはこれが最も敏感な、またはPCのことだとは思いませんが、5年後のデータセットを見ると間違いなく覚えやすいでしょう。

これまでに多くの正当な理由が投稿されましたが、再帰的であるべきです。なぜ1から数え始めますか？多くの数値アルゴリズムがはるかに複雑になります。ラベル付けは1ではなく0から始まります。これについてまだ確信が持てない場合は、http：//madhadron.com/？p = 69でそれが重要である理由の良い例があります。

女性が0、男性が1である理由については、統計学者の歴史の大半において、統計学者はまっすぐな男性である可能性が高いことを思い出してください。性別に名前を付けるように頼まれたとき、最初に思い浮かんだのは「女性」でした。その後はすべて、おそらく歴史的な事故と合理化でした。

ISO / IEC 5218規格では、次のマップで、この概念を更新します。

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

これは、JavaScriptなど、0が偽の値に強制される言語で特に役立ちます。

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

私が個人的に見る方法は、子宮の形であるため、一般的に0は女性を表し、ほとんどすべての科学（すなわち、生物学/遺伝学の系統図）の円、またはゼロは女性を表します。より直線的なエッジ形状（三角形、正方形、または1）が男性の性別を表す傾向がある場合。この単純な理解により、どちらが私にとってどれであるかを常に覚えやすくなりました。

結局のところ、自分でデータのコーディングと分析を行うのであれば、一般的にどのダミー変数をどのキーに使用したかというキーがある限り、それは無関係になります。