这肯定是一个非常简单的问题，尽管我不确定我是否正确执行：
我想执行多元线性回归，我想将自变量（Indv3）变化的影响包含在1个标准差（SD）中
换句话说：如果'Indv3'更改了1SD，则因变量（Depv）与其相关联？
我所做的是：计算'Indv3'的SD值，并使用'Indv3'+ 1SD-value = 1制作一个虚拟变量（Indv3_plusSD），其余的取值为0。
然后执行线性回归，我添加了'Indv3_plusSD'虚拟对象并执行回归。但是，当我这样做时，与具有已经在论文中发表过的相同数据的分析相比，我获得了另一个'Depv'的beta系数...（所以概率论在SD分析中做错了：）
Depv Indv1 Indv2 Indv3 Indv3_plusSD
1 1.1555864 48 1 77.07593 0
2 1.0596864 61 2 69.51333 0
3 0.8380413 51 1 87.38040 0
4 1.5305489 53 2 67.43750 0
5 1.0619884 55 1 165.99977 1
6 0.8474507 56 2 229.14570 1
7 0.9579580 64 2 121.89550 0
8 0.7432210 58 1 211.17690 1
9 0.8374197 60 1 139.69577 0
10 0.7378349 65 1 277.03920 1
11 0.6971632 61 1 195.72100 1
12 0.5227076 64 2 194.63220 1
13 0.9900380 52 1 138.25417 0
14 0.8954233 52 2 237.39020 1
15 0.9058147 56 1 123.42930 0
16 0.9436135 55 2 152.75953 1
17 0.7123374 55 1 190.34547 1
18 1.1928167 58 1 166.50990 1
19 1.3342048 47 2 76.35120 0
20 1.0881865 49 1 135.71740 0
21 2.9028876 48 2 61.83147 0
22 0.6661121 61 1 139.68627 0
linregr <- lm(Depv ~ Indv1 + Indv2 + Indv3_plusSD, data = df)
答案 0 :(得分：0)
针对Django==2.2.5
Pillow==6.2.1
azure-cognitiveservices-language-textanalytics==0.2.0
azure-cognitiveservices-nspkg==3.0.1
azure-cognitiveservices-search-newssearch==1.0.0
azure-cognitiveservices-search-nspkg==3.0.1
azure-common==1.1.23
azure-nspkg==3.0.2
msrest==0.6.10
numpy==1.17.1
oauthlib==3.1.0
pandas==0.24.2
pandas-datareader==0.7.4
pip==19.0.3
requests==2.21.0
setuptools==40.8.0
sqlparse==0.3.0
statistics==1.0.3.5
ta==0.4.5
gunicorn==20.0.4
，Indv1和Indv2的回归，而没有您的SD术语：
Indv3
linregr <- lm(Depv ~ Indv1 + Indv2 + Indv3, data = df)的回归系数是Indv3的单位更改量Depv预计将发生变化，因此Indv3的量将更改为1。 Depv中的SD是SD *（Indv3的系数）。
Indv3由reprex package（v0.3.0）于2020-01-14创建