1 基本概念
1.1 定义
中心化是指将数据变量整体平移，使其围绕某个选定的中心点重新分布。最常见的做法是用每个观测值减去样本均值，从而让处理后的变量均值变为零。这个过程本质上不改变数据之间的相对差异，只改变数值所处的基准位置。
在统计分析中，中心化常被视为一种预处理手段，目的是让变量更便于比较、建模和解释。它尤其适合用于关注“偏离基准多少”的问题，而不是关注原始数值本身大小的问题。
1.2 中心点的选择
中心化并不局限于均值。根据研究目标和数据特征，中心点可以选为均值、中位数、既定参考值或某种理论基准。不同中心点会影响处理后的数值分布位置，但通常不会改变数据内部的变化结构。
1.2.1 均值中心化
均值中心化是最常见的形式，即每个观测值减去样本均值。这样处理后，变量的平均水平被移到零点附近，便于分析高于或低于平均水平的偏差。
这种方法适合大多数连续型变量，也常用于回归和主成分分析等场景。其优点是数学性质简单，且能直接对应“相对平均水平”的解释。
1.2.2 中位数中心化
中位数中心化是以中位数作为中心点进行平移。它对极端值的敏感度较低，因此在分布偏斜或含有异常值时更稳定。
与均值中心化相比，中位数中心化更强调“典型位置”而非“算术平均位置”，适合用于稳健分析或偏态数据的初步整理。
1.2.3 参考值中心化
参考值中心化是以某个预先设定的值作为中心，例如理论零点、基准组平均值或实验设计中的控制水平。该方法常用于需要和特定标准比较的情形。
这种方式特别有利于解释模型参数，因为处理后的变量可以直接表示“相对于参考点的变化量”。
1.3 中心化与平移变换
中心化属于平移变换的一种。平移变换只改变数据在数轴或坐标系中的位置，不改变点与点之间的距离和差值关系。也就是说，若所有观测值都减去同一个常数，数据的内部结构保持不变。
从几何角度看，中心化相当于把数据云移动到新的坐标原点附近；从统计角度看，则是改变基准而不改变波动形态。
1.4 中心化的统计含义
中心化的核心意义在于重设零点，使“零”更具解释性。原始变量中的零值未必有实际含义，而中心化后的零通常代表平均水平、典型水平或某个标准基准。
这种处理有助于突出变量之间的相对变化，也便于比较不同样本、不同组别或不同时间点之间的偏离程度。
2 数学表达
2.1 一维变量的中心化
设一维变量为 \(x_1, x_2, \dots, x_n\)，其样本均值为 \(\bar{x}\)。中心化后的变量可表示为：
\[ x_i' = x_i - \bar{x} \]
其中 \(x_i'\) 为中心化后的值。若以其他中心点 \(c\) 为基准，则可写为：
\[ x_i' = x_i - c \]
这种表达清楚说明，中心化只是对原值做统一平移。
2.2 多维数据的中心化
在多维情形下，中心化通常对每一列变量分别进行，即每个维度都减去该维度的中心值。这样可以使各变量都围绕自己的基准点展开。
2.2.1 向量中心化
对于向量 \(\mathbf{x} = (x_1, x_2, \dots, x_p)^\top\)，若对应中心向量为 \(\mathbf{c}\)，则中心化结果为：
\[ \mathbf{x}' = \mathbf{x} - \mathbf{c} \]
若 \(\mathbf{c}\) 取为样本均值向量，则每个维度都被移到各自均值附近。
2.2.2 矩阵中心化
设数据矩阵为 \(X \in \mathbb{R}^{n \times p}\)，其中 \(n\) 表示样本数，\(p\) 表示变量数。对每一列做均值中心化时，可将列均值组成向量 \(\boldsymbol{\mu}\)，然后得到：
\[ X' = X - \mathbf{1}\boldsymbol{\mu}^\top \]
其中 \(\mathbf{1}\) 是全为 1 的列向量。该操作表示每个样本在每个变量维度上都减去相应的列均值。
2.3 中心化矩阵
中心化可以用矩阵形式统一表示，便于理论推导和算法实现。常见做法是构造一个中心化矩阵，对数据向量或矩阵进行线性变换。
2.3.1 投影矩阵形式
对长度为 \(n\) 的向量，中心化矩阵常写为：
\[ H = I - \frac{1}{n}\mathbf{1}\mathbf{1}^\top \]
其中 \(I\) 为单位矩阵。对数据向量 \(\mathbf{x}\) 作用后，有：
\[ H\mathbf{x} = \mathbf{x} - \bar{x}\mathbf{1} \]
它把向量投影到与常数向量正交的子空间中，因此常被看作一种“去除平均成分”的操作。
2.3.2 性质与特征
中心化矩阵通常具有以下性质：对称、幂等，并且会将全 1 向量映射为零向量。幂等性意味着重复中心化不会改变结果，即再次施加中心化矩阵，输出仍保持不变。
这些性质使其在统计理论与数值计算中都很方便，尤其是在协方差计算和线性模型处理中。
2.4 中心化后的均值性质
经过均值中心化后，变量的新均值为零。若对某列数据 \(x\) 做中心化，得到 \(x'\)，则满足：
\[ \frac{1}{n}\sum_{i=1}^{n} x_i' = 0 \]
这一性质是中心化最直接的结果，也说明中心化后的变量可视为围绕零点波动。
3 常见应用
3.1 回归分析中的中心化
在回归分析中，中心化常用于改善参数解释和数值稳定性。尤其当模型包含交互项或多项式项时，中心化往往能让主效应和交互效应的含义更清楚。
3.1.1 解释截距
未中心化时，截距通常表示所有自变量为零时的因变量预测值，但这一点未必有实际意义。经过中心化后，截距往往表示各自变量处于平均水平时的预测值，因此更容易解释。
3.1.2 缓解多重共线性
当模型中包含原变量及其平方项、交互项时，相关性可能较强。中心化可以在一定程度上降低这些项之间的线性相关，从而缓解多重共线性带来的估计不稳定问题。
需要注意的是，中心化并不会从根本上消除共线性，只是可能使其程度减弱，进而改善数值表现。
3.1.3 交互项建模
在含交互项的模型中，中心化可使主效应的解释更接近“在其他变量处于平均水平时的效应”。这使得模型参数更符合实际分析习惯，也减少了因零点选择不合理而带来的解释困难。
3.2 主成分分析中的中心化
主成分分析通常要求先对数据中心化，因为其核心是分析变量围绕均值的波动结构，而不是绝对位置。
3.2.1 协方差矩阵构造
协方差矩阵的计算依赖于去均值后的数据。如果不先中心化，计算得到的结果会混入位置偏移成分，从而影响主成分方向的提取。
3.2.2 特征分解前处理
在进行特征分解之前，中心化能确保提取到的是反映变异结构的主成分，而不是简单反映整体偏移的方向。对于高维数据，这一步通常是必要预处理。
3.3 方差分析与实验设计
在方差分析和实验设计中，中心化有助于理解处理效应相对于基线水平的变化。若采用某一参考组或平均水平作为中心，后续比较会更直观。
在含协变量的设计中，中心化还可使协变量的零点落在更合理的位置，便于对主效应进行解释。
3.4 时间序列分析中的基准调整
时间序列中，中心化常用于去除整体平均水平，使序列更便于观察波动模式。若关注的是短期起伏、季节变化或偏离基准的幅度，中心化后的序列通常更清晰。
当与趋势处理结合时，中心化也可作为前置步骤，帮助把序列移到更便于建模的尺度上。
4 与相关方法的关系
4.1 标准化
标准化通常包括中心化和尺度调整两个步骤。中心化解决“位置”问题，标准化进一步解决“尺度”问题。
4.1.1 中心化与尺度缩放
中心化只改变均值位置，不改变单位大小；尺度缩放则会改变数值的离散程度，例如除以标准差或极差。二者常联合使用，但概念上并不相同。
4.1.2 Z-score 变换
Z-score 变换通常先做中心化，再除以标准差。其结果既具有零均值，又具有单位方差，因此适合比较不同量纲变量的相对波动。
4.2 去趋势
去趋势是从数据中移除长期上升或下降的系统性成分，而中心化只是移动零点。前者处理的是时间结构或系统变化，后者处理的是基准位置，两者目的不同。
4.3 去均值
去均值可以看作中心化的一种特例，即中心点选为样本均值。很多文献中二者在实际使用上几乎等同，但中心化概念更宽，包含其他中心点选择。
4.4 归一化
归一化一般指把数据映射到某个统一范围，如 \([0,1]\) 或 \([-1,1]\)。它强调范围压缩，而中心化强调基准平移。二者可以联合进行，但并非同一操作。
5 性质与影响
5.1 对均值的影响
中心化后，若采用样本均值作为中心点，则变量均值变为零。若使用中位数或参考值，则中心化后的均值不一定为零，但数据会围绕所选中心重新分布。
5.2 对方差的影响
中心化不会改变方差。因为方差衡量的是数据围绕均值的离散程度，而统一平移不会改变各点之间的距离关系。
5.3 对协方差与相关系数的影响
在对两个变量同时做平移时，协方差与相关系数通常保持不变。原因在于这类统计量关注的是共同变化模式，而不是绝对位置。
5.4 对模型参数的影响
中心化会改变回归模型中截距和部分系数的数值形式，但不会改变模型拟合所表达的基本关系。对于包含交互项或高阶项的模型，参数含义往往会更清楚。
5.5 对可解释性的提升
中心化最大的实用价值之一是提升可解释性。它把“零点”变成有意义的参照，使参数更容易对应现实中的平均状态、基准水平或典型情形。
6 操作方法
6.1 手工计算步骤
手工中心化通常分为三步：先计算中心点，再对每个观测值减去该中心点，最后检查处理后的均值或基准是否符合预期。对于单个变量，这一过程非常直接；对于多变量数据，则需要逐列处理。
6.2 软件实现
多数统计软件和数据分析工具都支持中心化操作，通常可通过数据变换、列运算或预处理模块完成。
6.2.1 统计软件中的中心化
在统计软件中，中心化常作为描述统计、回归建模或因子分析前的预处理步骤。用户通常可以通过“减去均值”或“生成标准化前数据”的方式实现。
6.2.2 编程语言中的中心化
在编程语言中，中心化通常通过向量化运算完成。例如对数组按列求均值后，再整体相减即可。由于过程简洁，这类操作适合批量数据和自动化流程。
6.3 批量变量中心化
当数据集包含多个变量时，往往需要对若干列同时中心化。实践中通常按列分别计算中心点，再逐列减去对应值，以免不同变量因量纲不同而混淆。
6.4 缺失值处理与中心化
若数据存在缺失值，应先确定缺失值处理方式，再进行中心化。因为中心点的计算会受到缺失数据影响，若处理顺序不当，可能导致中心点估计偏移或样本数变化。
7 注意事项
7.1 何时适合中心化
当研究重点是相对变化、参数解释、交互效应分析或降低数值偏移带来的问题时，中心化通常较为合适。连续变量、协变量和多项式回归中的自变量尤为常见。
7.2 何时不宜中心化
若原始零点本身具有明确实际意义，且研究目标需要保留该意义，则不宜随意中心化。此外，在某些需要直接使用绝对量级的分析中，过度预处理可能削弱原始含义。
7.3 不同中心点带来的差异
均值、中位数和参考值作为中心点时，处理后的结果在数值位置上会有所不同。虽然它们都能实现“重新定位”，但解释重点并不一致，因此应根据研究目的选择。
7.4 与异常值的关系
中心化本身不能消除异常值，也不能自动修正偏态分布。若极端值较多，均值中心化可能受到影响，而中位数中心化往往更稳健。不过，是否需要额外处理异常值，仍应结合具体分析目的判断。
8 拓展概念
8.1 居中编码
居中编码常见于分类变量处理，尤其是在把类别变量转换为对比编码时。它通过让编码值围绕零分布，便于回归模型中参数的解释。
8.2 组内中心化
组内中心化是先按组计算中心点，再在组内对每个观测值做平移。它常用于比较个体相对于本组平均水平的偏离，能够区分组内差异与组间差异。
8.3 分层数据中的中心化
在分层或嵌套数据结构中，中心化可以帮助拆分不同层级的效应。例如，个体层变量可围绕组均值中心化，以更清楚地区分个体偏离与整体群体差异。
8.4 非线性模型中的中心化
在非线性模型中，中心化同样有助于改善参数解释，尤其是在包含高阶项、阈值项或交互结构时。它可以让模型中的基准点更贴近数据主体，从而减少零点选择造成的解释偏差。