主題:標準化迴歸係數


想要觀看完整全文,請先登入

一般我們使用標準化迴歸係數(beta)於判定兩個方面的重要性(importance): Absolute importance(絕對重要性):比較一個特定獨變項在兩條不同回歸等式裡的重要性 beta值越大就代表越重要 Relative importance(相對重要性):比較在同一條回歸等式裡 不同獨變項的相對重要性 beta值越大就代表越重要 我們一般使用原狀迴歸係數(b)當作計算公式的組成成分 因為它與測量單位(例如 公斤 台斤)掛勾 所以結果就能具有測量單位 然而標準化迴歸係數(beta)因為標準化的原因使得其與測量單位脫鉤 那麼依據beta所組成公式所得到的結果就不夠"直覺" 因為"沒有"了測量單位 據此 如果要了解各個獨變項的重要性 b就不適合 因為b很容易被其獨變項的標準差(standard deviation)所影響 除了重要性的判定之外 beta最直接的詮釋來自於判讀某個獨變項的變化(當其他獨變項都保持不變的條件下)會給依變項帶來多少的改變 另外 我們必須在多重回歸分析裡考慮多重共線性(multicollinearity)的問題 當多重共線性不存在時 beta就等於零階相關係數(zero-order correlation coefficient) 據此 如果獨變項很多(例如 三個以上) 那麼多重共線性的潛在問題可能..

想要觀看完整全文,請先登入


關鍵字:beta值越大就代表越重要b很容易被其獨變項的標準差(standard deviation)所影響同一條回歸等式裡 不同獨變項的相對重要性多重共線性不存在時 beta就等於零階相關係數多重共線性的潛在問題可能使得beta於相對重要性的詮釋更為複雜標準化迴歸係數獨變項很多絕對重要性的比較所需要的條件嚴謹於相對重要性的比較要了解各個獨變項的重要性 b就不適合