¿Hay alguna razón para no usar polinomios ortogonales al ajustar regresiones?

En general, me pregunto si es mejor no usar polinomios ortogonales al ajustar una regresión con variables de orden superior. En particular, me pregunto con el uso de R:

Si poly()con raw = FALSEproduce los mismos valores ajustados como poly()con raw = TRUE, y polycon raw = FALSEresuelve algunos de los problemas asociados con regresiones polinómicas, a continuación, debe poly()con raw = FALSE siempre usarse para el montaje de regresiones polinómicas? ¿En qué circunstancias sería mejor no usar poly()?

Alguna vez un motivo? Seguro; probablemente varios.

Considere, por ejemplo, dónde estoy interesado en los valores de los coeficientes brutos (por ejemplo, para compararlos con los valores hipotéticos), y la colinealidad no es un problema particular. Es casi la misma razón por la que a menudo no me refiero al centro en la regresión lineal ordinaria (que es el polinomio ortogonal lineal)

No son cosas con las que no puedes lidiar a través de polinomios ortogonales; es más una cuestión de conveniencia, pero la conveniencia es una gran razón por la que hago muchas cosas.

Dicho esto, me inclino hacia polinomios ortogonales en muchos casos al ajustar polinomios, ya que tienen algunos beneficios distintos.

Porque si su modelo deja R cuando crece, debe recordar empacar sus constantes de centrado y normalización, y luego debe cargarlas todo el tiempo. ¡Imagínese encontrarlo algún día codificado en SQL, y el horror de darse cuenta de que los extravió!