Trọng lượng beta được tiêu chuẩn hóa cho hồi quy đa cấp

Làm thế nào người ta có thể có được trọng số hồi quy chuẩn (hiệu ứng cố định) từ hồi quy đa cấp?

Và, như một "tiện ích bổ sung": Cách dễ nhất để có được các trọng số được tiêu chuẩn hóa này từ một mer-object (từ lmerchức năng của lme4gói trong R) là gì?

Đơn giản chỉ cần chia tỷ lệ các biến giải thích của bạn thành trung bình bằng 0 và phương sai của một biến trước khi bạn đưa chúng vào mô hình. Sau đó, tất cả các hệ số sẽ được so sánh. Bản chất hiệu ứng hỗn hợp của mô hình không ảnh hưởng đến vấn đề này.

Cách tốt nhất để làm điều đó, và ít có khả năng sai nhất, là sử dụng scale () trước khi bạn phù hợp với mô hình.

Để có cách nhanh chóng nhận được các hệ số beta được tiêu chuẩn hóa trực tiếp từ bất kỳ mô hình lm (hoặc glm) nào trong R, hãy thử sử dụng lm.beta(model)từ gói QuantPsyc. Ví dụ:

library("MASS")
glmModel = glm(dependentResponseVar ~ predictor1 + predictor2, data=myData)
summary(glmModel)

library(QuantPsyc)
lm.beta(glmModel)

Đối với các mô hình tuyến tính tiêu chuẩn được hồi quy với lm (), bạn có thể chia tỷ lệ () dữ liệu dự đoán của mình hoặc chỉ sử dụng công thức đơn giản này:

lm.results = lm(mydata$Y ~ mydata$x1)

sd.y = sd(mydata$Y)
sd.x1 = sd(mydata$x1)
x1.Beta = coef(lm.results)["mydata$x1"] * (sd.x1 / sd.y)

Giả sử bạn đã đặt đầu ra của lmermô hình của mình lmer.results, fixef(lmer.results)sẽ trả về các hệ số hiệu ứng cố định tổng thể.