Làm thế nào để chuyển đổi hệ số chuẩn hóa thành hệ số không đạt tiêu chuẩn?

Mục tiêu của tôi là sử dụng các hệ số có được từ nghiên cứu trước đây về chủ đề này để dự đoán kết quả thực tế được đưa ra một tập hợp các biến độc lập. Tuy nhiên, bài viết nghiên cứu chỉ liệt kê các hệ số Beta và giá trị t. Tôi muốn biết nếu có thể chuyển đổi các hệ số được tiêu chuẩn hóa thành các hệ số không đạt tiêu chuẩn.

Sẽ rất hữu ích khi chuyển đổi các biến độc lập không chuẩn của tôi thành các biến được tiêu chuẩn hóa để tính giá trị dự đoán? Làm thế nào tôi trở về giá trị dự đoán không đạt tiêu chuẩn (nếu điều đó thậm chí có thể ..)

Đã thêm hàng mẫu từ giấy:

Số lượng tuyến xe buýt (buslines) | 0,275 (Beta) | 5,70 *** (giá trị t)

Tôi cũng được đưa ra điều này liên quan đến các biến độc lập:

Số lượng tuyến xe buýt (buslines) | 12,56 (trung bình) | 9.02 (Std) | 1 (phút) | 53 (tối đa)

regression-coefficients

Làm thế nào các hệ số đã được tiêu chuẩn hóa? Nói chung các

's có một đơn vị được đơn vị

chia cho đơn vị

, đơn vị của họ là gì trong bài báo?

β

$\beta$

Y

$Y$

X

$X$

— gui11aume

Tôi không chắc chắn tôi hiểu câu hỏi của bạn. Dưới đây là một hàng mẫu của một biến độc lập sau khi phân tích hồi quy từ bài báo. Đặc điểm cung cấp quá cảnh: Số tuyến xe buýt (tuyến xe buýt) | 0,275 (Beta) | 5.70 *** (giá trị t)

Bản thân hệ số này không được chuẩn hóa như gui11aume đã đề cập. Nhưng thống kê t nó hệ số ước tính chia cho độ lệch chuẩn ước tính của nó. Cho t và mức độ tự do, bạn có thể tính giá trị p và độ lệch chuẩn ước tính vì Beta = t-value x độ lệch chuẩn ước tính. Nhưng tôi không chắc liệu đây có phải là thứ bạn đang tìm kiếm hay không. Ước tính beta không được chuẩn hóa. Thống kê t là hình thức chuẩn hóa của ước tính nhịp. Vậy là bạn đã có hệ số chuẩn.

— Michael R. Chernick

Câu trả lời:

Có vẻ như bài báo sử dụng mô hình hồi quy bội trong mẫu

Y = β_{0} + \sum_{i} β_{i} ξ_{i} + ε

$Y = \beta_0 + \sum_i \beta_i \xi_i + \varepsilon$

trong đó là các phiên bản được tiêu chuẩn hóa của các biến độc lập; viz , $\xi_i$

ξ_{i} = \frac{x_{i} - m_{i}}{s_{i}}

$\xi_i = \frac{x_i - m_i}{s_i}$

$m_i$ $s_i$ $i^\text{th}$ $x_i$ $\beta_0$ $\hat{\beta_i}$

\hat{Y} = \hat{β_{0}} + \sum_{i} \hat{β_{i}} \frac{x_{i} - m_{i}}{s_{i}} = (\hat{β_{0}} - (\sum_{i} \frac{\hat{β_{i} m_{i}}}{s_{i}})) + \sum_{i} (\frac{\hat{β_{i}}}{s_{i}}) x_{i} .

$\hat{Y} = \hat{\beta_0} + \sum_i \hat{\beta_i} \frac{x_i - m_i}{s_i}=\left(\hat{\beta_0}-\left(\sum_i\frac{\hat{\beta_i m_i}}{s_i}\right)\right)+\sum_i\left(\frac{\hat{\beta_i}}{s_i}\right)x_i.$

$x_i$

$(x_1, \ldots, x_p)$

$m_i$ $s_i$ $(\xi_1,\ldots, \xi_p) = ((x_1-m_1)/s_1, \ldots, (x_p-m_p)/s_p)$
$(x_1, \ldots, x_p)$

$\hat{Y}$ $1/(1 + \exp(-\hat{Y}))$ $\hat{Y}$

— whuber
nguồn

Hoàn hảo, cảm ơn bạn! Có một số trợ giúp từ một đồng nghiệp. Một câu hỏi nữa: Giá trị mới của tôi (Y-hat) rất thấp. Tác giả sử dụng một biến phụ thuộc biến đổi logarit trong hồi quy của mình. Điều đó có nghĩa là tôi nên exp (Y-hat) để mở rộng trở lại đơn vị đo lường chưa được dịch.

Ngoài ra, không có phần chặn Y được bao gồm trong bài báo và thử nghiệm phương thức exp (mũ chữ Y) dường như chỉ ra rằng cần có một giá trị cho phần chặn Y đại diện cho một số phương sai không được mô hình giải thích, theo thứ tự để nâng kết quả dự đoán lên mức hợp lý.

Sau đó, nó không phải là hệ số được stadnardized. Đây là các biến.

— Michael R. Chernick

\exp (\hat{y})

$\exp(\hat{y})$

Nếu bạn đang tìm cách làm những gì tiêu đề yêu cầu, hãy xem tại đây: www3.nd.edu/~rwilliam/stats1/x92.pdf nếu y cũng được chuẩn hóa. Đồng thời xem số liệu thống kê.stackexchange.com/questions/235057 / Google

— Chris

B = p \times \frac{s y}{s x}

$B = p \times \frac{sy}{sx}$

— cây thương
nguồn

Tôi không chắc hệ số đường dẫn là gì. Có vẻ như B là một hệ số hồi quy sẽ không có thứ nguyên. Nó sẽ được tính theo đơn vị y trên 1 đơn vị. Tuy nhiên p = B sx / sy trong đó sx là độ lệch chuẩn ước tính theo x chia cho độ lệch chuẩn ước tính theo y và p là không thứ nguyên. Nó đại diện cho một mối tương quan ước tính giữa x và y. Lance nếu đây là những gì bạn dự định xin vui lòng thực hiện các thay đổi bằng cách chỉnh sửa bài viết của bạn.

— Michael R. Chernick