Чи коли-небудь є причина не використовувати ортогональні многочлени під час регресії?

Взагалі мені цікаво, чи краще коли-небудь не використовувати ортогональні поліноми під час регресії із змінними вищого порядку. Зокрема, мені цікаво використання R:

Якщо poly()з raw = FALSEвиробляє те ж значення, що і підігнаного poly()з raw = TRUE, і polyз raw = FALSEвирішуєте деякі з проблем , пов'язаних з поліноміальними регрессиями, то слід poly()з raw = FALSE завжди можна використовувати для установки поліноміальних регрессий? За яких обставин було б краще не використовувати poly()?

Коли-небудь причина? Впевнений; ймовірно, кілька.

Розглянемо, наприклад, де мене цікавлять значення необроблених коефіцієнтів (скажімо, порівнюйте їх з гіпотезованими значеннями), а колінеарність не є особливою проблемою. Це майже та сама причина, чому я часто не маю на увазі центр у звичайній лінійній регресії (що є лінійним ортогональним многочленом)

Це не речі, з якими ви не можете мати справу через ортогональні поліноми; це більше питання зручності, але зручність - це велика причина, чому я роблю багато речей.

Однак, я прихиляюсь до ортогональних многочленів у багатьох випадках, підходячи до поліномів, оскільки вони мають певні переваги.

Тому що якщо ваша модель залишає R, коли вона виростає, ви повинні пам'ятати, щоб упакувати її константи центрування та нормалізації, і тоді вона повинна весь час їх перетягувати. Уявіть, що один день натрапите на нього з жорстким кодом у SQL, і жах від усвідомлення того, що це їх помилково!