น้ำหนักเบต้าแบบมาตรฐานสำหรับการถดถอยหลายระดับ

11

เราจะได้น้ำหนักที่ถดถอยแบบมาตรฐาน (เอฟเฟกต์คงที่) จากการถดถอยหลายระดับได้อย่างไร

และในฐานะ "Add-on": วิธีที่ง่ายที่สุดในการรับน้ำหนักมาตรฐานเหล่านี้จากmer-object คืออะไร (จากlmerฟังก์ชั่นของlme4แพ็คเกจในR)

— เฟลิกซ์
แหล่งที่มา

mer โดยเฉพาะหรือคุณกำลังขอสัมประสิทธิ์โมเดลเชิงเส้นใด ๆ

— Robert Kubrick

จริงๆแล้วฉันสนใจวิธีการทำมากขึ้น (ฉันจะทำให้ตัวแปรทั้งหมดเป็นมาตรฐานไว้ล่วงหน้าเหมือนในโมเดลเชิงเส้นปกติ แต่ฉันไม่แน่ใจว่าวิธีการนั้นใช้ได้ใน MLM หรือไม่) ด้านบนฉันต้องการจะดูว่ามันทำอย่างไรกับวัตถุ lme4 ฉัน rephrased คำถามตาม!

— เฟลิกซ์ S

1

คุณอาจจะสนใจในบทความนี้โดยแอนดรูว์เกลแมนและเลน Pardoe (2007) เปรียบเทียบค่าเฉลี่ย Predictive สำหรับรุ่นที่มี Nonlinearity ปฏิสัมพันธ์และความแปรปรวนส่วนประกอบ

— Andy W

9

เพียงแค่ปรับตัวแปรอธิบายของคุณให้มีค่าเป็นศูนย์และแปรปรวนของตัวแปรก่อนที่คุณจะใส่ลงในโมเดล จากนั้นสัมประสิทธิ์ทั้งหมดจะถูกเปรียบเทียบ ลักษณะผสมแบบผสมของโมเดลไม่ได้ส่งผลกระทบต่อปัญหานี้

วิธีที่ดีที่สุดที่จะทำและมีโอกาสผิดพลาดน้อยที่สุดคือการใช้เครื่องชั่ง () ก่อนที่คุณจะพอดีกับโมเดล

— ปีเตอร์เอลลิส
แหล่งที่มา

ขอบคุณนั่นคือสิ่งที่ฉันอยากรู้: ลดขนาดให้ใหญ่ขึ้น (ไม่สนใจโครงสร้างกลุ่ม ... )

— เฟลิกซ์ S

3

สำหรับวิธีที่รวดเร็วในการรับค่าสัมประสิทธิ์เบต้ามาตรฐานโดยตรงจาก lm (หรือ glm) ทุกรุ่นใน R ลองใช้lm.beta(model)จากแพ็คเกจ QuantPsyc ตัวอย่างเช่น:

library("MASS")
glmModel = glm(dependentResponseVar ~ predictor1 + predictor2, data=myData)
summary(glmModel)

library(QuantPsyc)
lm.beta(glmModel)

— CJH
แหล่งที่มา

1

ในอีเมลนี้ Ben Bolker แปลฟังก์ชั่นนี้เป็น "lmer-land"

— crsh

แต่รหัสที่เชื่อมโยงซึ่งเบ็นมอบให้นั้นไม่สามารถใช้งานได้จริงตามที่เขียนไว้ในอีเมลฉบับนั้น มันมีคำ / pseudocode .... แก้ไข: คำตอบสำหรับคำถามนี้จะให้รหัสการทำงาน: stats.stackexchange.com/questions/123366/ …

— Bajcz

2

สำหรับโมเดลเชิงเส้นมาตรฐานที่ถดถอยด้วย lm () คุณสามารถปรับมาตราส่วน () ข้อมูลตัวทำนายของคุณหรือใช้สูตรง่ายๆนี้:

lm.results = lm(mydata$Y ~ mydata$x1)

sd.y = sd(mydata$Y)
sd.x1 = sd(mydata$x1)
x1.Beta = coef(lm.results)["mydata$x1"] * (sd.x1 / sd.y)

— Robert Kubrick
แหล่งที่มา

1

สมมติว่าคุณได้ตั้งค่าการส่งออกของคุณlmerรูปแบบไปlmer.results, fixef(lmer.results)จะกลับมาคงที่โดยรวมผลกระทบค่าสัมประสิทธิ์

— มิเชล
แหล่งที่มา

2

พวกเขาจะไม่ "มาตรฐาน" แม้ว่าพวกเขาจะ? ฉันอ่านคำถามที่ต้องการทราบขนาดของเอฟเฟกต์คงที่หากตัวแปรอธิบายทั้งหมดอยู่ในระดับเดียวกัน

— Peter Ellis

ฉันไม่ทราบว่าเป็นไปได้ที่จะได้ค่าสัมประสิทธิ์มาตรฐานจากmerวัตถุ - พวกเขาไม่ปรากฏในการสรุปดังนั้นฉันคิดว่าlme4วิธีการไม่ได้สร้างพวกเขา fixef()จะส่งคืนข้อมูลผลกระทบคงที่ทั้งหมดจากmerวัตถุ

— มิเชล

1

ขณะที่ปีเตอร์แล้วความเห็น: โฟกัสของคำถามเป็นเกี่ยวกับ 'มาตรฐาน' สัมประสิทธิ์ ...

— เฟลิกซ์ S