El punto del centrado medio en la regresión es hacer que la intersección sea más interpretable. Es decir, si quiere decir centrar todas las variables en su modelo de regresión, entonces la intercepción (llamada constante en la salida de SPSS) es igual a la gran media general para su variable de resultado. Lo cual puede ser conveniente al interpretar el modelo final.
En cuanto a las variables ficticias de centrado medio, acabo de conversar con un profesor mío sobre las variables ficticias de centrado medio en un modelo de regresión (en mi caso, un modelo multinivel de diseño de bloques al azar con 3 niveles) y mi conclusión fue que centrar las variables ficticias en realidad no cambian la interpretación de los coeficientes de regresión (excepto que la solución está completamente estandarizada). Por lo general, no es necesario en la regresión interpretar el valor centrado medio del nivel de unidad real, solo los coeficientes. Y esto esencialmente no cambia, en su mayor parte. Ella dijo que cambia ligeramente porque está estandarizado, lo que, para los tontos, no es tan intuitivo de entender.
Advertencia: Eso fue lo que entendí cuando salí de la oficina de mi profesor. Podría, por supuesto, haberme equivocado.