主題:標準化迴歸係數
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..
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