การแปลง betas ที่ได้มาตรฐานกลับไปเป็นตัวแปรดั้งเดิม


15

ฉันรู้ว่านี่อาจเป็นคำถามง่าย ๆ แต่หลังจากค้นหาฉันไม่พบคำตอบที่ฉันค้นหา

ฉันมีปัญหาที่ฉันจำเป็นต้องสร้างมาตรฐานให้กับตัวแปรที่เรียกใช้ (การถดถอยริดจ์) เพื่อคำนวณค่าประมาณสันเขาของเบต้า

ฉันต้องแปลงกลับไปเป็นขนาดดั้งเดิม

แต่ฉันจะทำสิ่งนี้ได้อย่างไร

ฉันพบสูตรสำหรับกรณีที่มีการแปรสภาพนั้น

β=β^SxSy.

สิ่งนี้ได้รับใน D. Gujarati เศรษฐมิติพื้นฐานหน้า 175 สูตร (6.3.8)

โดยที่เป็นตัวประมาณจากการถดถอยที่ทำงานบนตัวแปรมาตรฐานและเป็นตัวประมาณเดียวกันที่แปลงกลับไปเป็นมาตราส่วนดั้งเดิมคือค่าเบี่ยงเบนมาตรฐานตัวอย่างของรีจีสเตอร์และคือค่าเบี่ยงเบนมาตรฐานตัวอย่างββ^SySx

น่าเสียดายที่หนังสือเล่มนี้ไม่ครอบคลุมผลลัพธ์ที่คล้ายคลึงกันสำหรับการถดถอยหลายครั้ง

นอกจากนี้ฉันไม่แน่ใจว่าฉันเข้าใจคดี bivariate หรือไม่ การปรับพีชคณิตอย่างง่ายให้สูตรในระดับเดิม:β^

β^=βSySx

ดูเหมือนว่าแปลกสำหรับฉันที่ที่คำนวณกับตัวแปรที่ได้รับการยุบแล้วจะต้องมีการยุบโดยอีกครั้งเพื่อที่จะถูกแปลงกลับ? (และทำไมค่าเฉลี่ยไม่ถูกเพิ่มเข้ามา)β^SxSx

ดังนั้นใครบางคนสามารถอธิบายวิธีการทำเช่นนี้สำหรับกรณีหลายตัวแปรโดยมีแหล่งที่มาเพื่อให้ฉันเข้าใจผลลัพธ์

คำตอบ:


27

สำหรับรูปแบบการถดถอยโดยใช้ตัวแปรมาตรฐานเราถือว่ารูปแบบต่อไปนี้สำหรับบรรทัดการถดถอย

E[Y]=β0+j=1kβjzj,

โดยที่คือ j-th (มาตรฐาน) regressor สร้างขึ้นจากโดยการลบค่าเฉลี่ยตัวอย่างและหารด้วยค่าเบี่ยงเบนมาตรฐานตัวอย่าง : zjxjx¯jSj

zj=xjx¯jSj

ดำเนินการถดถอยด้วย regressors ที่เป็นมาตรฐานเราจะได้รับบรรทัดการถดถอยที่เหมาะสม:

Y^=β^0+j=1kβ^jzj

ตอนนี้เราต้องการค้นหาสัมประสิทธิ์การถดถอยสำหรับเครื่องทำนายที่ไม่ได้มาตรฐาน เรามี

Y^=β^0+j=1kβ^j(xjx¯jSj)

การจัดเรียงใหม่นิพจน์นี้สามารถเขียนเป็น

Y^=(β^0j=1kβ^jx¯jSj)+j=1k(β^jSj)xj

ในฐานะที่เราสามารถมองเห็นตัดสำหรับการถดถอยโดยใช้ตัวแปรที่ไม่เปลี่ยนจะได้รับจาก{} ค่าสัมประสิทธิ์การถดถอยของ -th ทำนายมี{}β^0j=1kβ^jx¯jSjjβ^jSj

ในกรณีที่นำเสนอฉันได้สันนิษฐานว่ามีเพียงผู้ทำนายเท่านั้นที่ได้มาตรฐาน หากมีตัวแปรมาตรฐานการตอบสนองด้วยเช่นกันการแปลงค่าสัมประสิทธิ์ covariate กลับไปเป็นมาตราส่วนดั้งเดิมนั้นทำได้โดยใช้สูตรจากข้อมูลอ้างอิงที่คุณให้ เรามี:

E[Y]y^Sy=β0+j=1kβjzj

เมื่อดำเนินการถดถอยเราจะได้สมการการถดถอยที่พอดี

Y^scaled=Y^unscaledy¯Sy=β^0+j=1kβ^j(xjx¯jSj),

ที่ค่าติดตั้งอยู่ในระดับของการตอบสนองมาตรฐาน หากต้องการยกเลิกการกำหนดขนาดแล้วกู้คืนค่าสัมประสิทธิ์สำหรับแบบจำลองที่ไม่แปรเปลี่ยนเราคูณสมการด้วยและนำค่าเฉลี่ยตัวอย่างของไปยังอีกด้านหนึ่ง:Syy

Y^unscaled=β^0Sy+y¯+j=1kβ^j(SySj)(xjx¯j).

การสกัดกั้นที่สอดคล้องกับแบบจำลองที่ไม่มีการตอบสนองหรือตัวทำนายที่ได้มาตรฐานจึงได้รับโดย ขณะที่ค่าสัมประสิทธิ์ตัวแปรร่วมสำหรับรูปแบบที่น่าสนใจสามารถรับได้โดยการคูณค่าสัมประสิทธิ์แต่ละกับS_jβ^0Sy+y¯j=1kβ^jSySjx¯jSy/Sj

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.