Стандартизираният коефициент на регресия, намерен чрез умножаване на коефициента на регресия bi по SXi и разделянето му на SY, представлява очакваната промяна в Y (в стандартизирани единици от SY където всяка „единица“е статистическа единица, равна на едно стандартно отклонение) поради увеличаване на Xi на една от нейните стандартизирани единици (…
Как тълкувате стандартизираните коефициенти на регресия?
Стандартизиран бета коефициент сравнява силата на ефекта на всяка отделна независима променлива със зависимата променлива. Колкото по-висока е абсолютната стойност на бета коефициента, толкова по-силен е ефектът. Например, бета на -. 9 има по-силен ефект от бета от +.
Трябва ли да използвам стандартизирани или нестандартизирани коефициенти при регресия?
Когато искате да намерите независими променливи с по-голямо влияние върху вашата зависима променлива, трябва да използвате стандартизирани коефициенти, за да ги идентифицирате. Всъщност независима променлива с по-голям стандартизиран коефициент ще има по-голям ефект върху зависимата променлива.
Могат ли стандартизираните коефициенти да бъдат по-големи от 1?
Стандартизираните коефициенти могат да бъдат по-големи от 1,00, както се обяснява в тази статия и както е лесно да се демонстрира. Дали трябва да бъдат изключени зависи от това защо са се случили - но вероятно не. Те са знак, че имате такивадоста сериозна колинеарност.
Каква е разликата между нестандартизирани и стандартизирани коефициенти на регресия?
За разлика от стандартизираните коефициенти, които са нормализирани единици-по-малко коефициенти, нестандартизираният коефициент има единици и скала за „реален живот”. Нестандартизиран коефициент представлява сумата на промяната в зависима променлива Y поради промяна на 1 единица независима променлива X.
