Question

我已经使用

对大型数据集执行了多元线性回归

m1 <- lm(y ~ x + x1 + x2..., dataset)

使用lm.beta添加了标准化的beta系数

m1_stnd <- lm.beta(m1)

并使用观星者将结果制成表格

library(stargazer)
stargazer(m1, m1_stnd, coef = list(m1$coefficients,m1_stnd$standardized.coefficients), 
type = "text", digits = 3, covariate labels = c("labels", "labels2", "labels3",...), 
title = "Title", out = "m1_reg.htm")

输出为我提供了两列系数，但是，其中一些系数的显着性值是不同的，未标准化的显着性值通常很重要

               Unstandardized     Standardized
Gender (Male)      -0.125***          -0.010
                   (0.048)            (0.048)

这篇文章的答案：Including standardized coefficients in a stargazer table仅针对常量显示了相同的内容（他们没有对此发表评论），而我对很多变量都具有相同的含义。

为什么会发生，这是我的代码中的错误还是统计上有效？我不知道标准化应该如何改变重要性。

谢谢！

Answer 1

Stargazer正在使用未标准化的系数来确定标准化的重要性，因为您没有另外说明。您需要添加另一行，详细说明要使用的p个值：

p = list (coef(summary(m1))[,4], coef(summary(m1))[,4])：

完整的方法调用如下：

stargazer(m1, m1_stnd, coef = list(m1$coefficients, m1_stnd$standardized.coefficients),
p = list (coef(summary(m1))[,4], coef(summary(m1))[,4]), 
type = "text",
digits = 3,
covariate labels = c("labels", "labels2", "labels3",...),
title = "Title",
out = "m1_reg.htm")

占星师对标准化/非标准化系数的不同意义

1 个答案: