Question

我试图使用以下代码来计算标准化系数：

rm(list=ls())
#install.packages("AER")
library(AER)
data("CASchools",package="AER")
CASchools$score=with(CASchools,(math+read)/2)
attach(CASchools)
#regular regressopm
lm1<-lm(score~income)
#standardized regression
stdscore<-(score-mean(score)/sd(score))
stdincome<-(income-mean(income))/sd(income)
lm1e<-lm(stdscore~stdincome)

#standardized regression provided by different package
#install.packages("QuantPsyc")
library(QuantPsyc)
lm.beta(lm1)

#but lm.beta is different from the coefficients I calculated with standardized regression
lm1e$coef

然而，似乎QuantPsyc包的输出与我自己标准化回归量和因变量所获得的结果不同。

两个输出是：

> lm.beta(lm1)
   income 
0.7124308 

> lm1e$coef
(Intercept)   stdincome 
  619.82365    13.57419

正如你所看到的，结果之一是0.7124308，另一个是13.57419。它们应该与我的理解相同。

知道为什么吗？

Answer 1

您在缩放变量方面犯了错误。 lm.beta对非标准化系数进行事后转换为标准化系数，因此公式不同。但是，正确的变量前回归标准化会产生相同的结果。

您的错误：(score-mean(score)/sd(score))应为(score-mean(score))/sd(score)。操作顺序很重要！

检查：

> (score[1]-mean(score))/sd(score)
[1] 1.923202 #Clearly standardized
> (score[1]-mean(score)/sd(score))
[1] 656.4671 #Clearly NOT standardized!

所以：

stdscore<-(score-mean(score))/sd(score)
stdincome<-(income-mean(income))/sd(income)
lm1e<-lm(stdscore~stdincome)

lm.beta(lm1)
 income 
0.7124308 

lm1e$coef[2]
stdincome 
0.7124308 

round(lm.beta(lm1),5) == round(lm1e$coef[2],5)
income 
  TRUE

lm.beta用我自己计算的标准化系数产生不同的结果

1 个答案: