标准化回归系数过高
@支质1219：线性回归中有的有的自变量sig大于0.05怎么调整 -
马羽13818013333…… 一个sig大于0.05,一个小于0.05,这是正常的,说明大于0.05的对因变量没有显著的影响 而要比较回归系数的大小 要看后面的标准化回归系数,因为前面带常数项的回归系数是带有单位的,所以无法判断回归系数的大小
@支质1219：标准回归系数的问题★★★★★★★★★★★ -
马羽13818013333…… 确实,beta coefficient就是标准回归系数,它是首先把各个自变量进行Z转换(数据值-数据平均值然后除以标准差)之后再进行回归,此时得出的回归系数称为标准化回归系数.Z转换可以把各个自变量的数级、量纲统一标准化,也就可以根据标准化回归系数的大小比较出各个自变量在回归方程中的效应大小.
@支质1219：回归分析的结果中有非标准化系数和标准化系数,如何正确使用这两个系数? -
马羽13818013333…… 应该使用非标准化系数. 原因: 1、标准化回归系数测度的是对被解释变量的重要性,只有标准化了,才能进行重要性对比.故,比较重要性时用标准化系数,做实际的预测,应该用非标准化系数. 2、需要注意的是,标准化系数比较的主要性是一种同量纲化后的相对重要性.相对重要性,与某一特定的情况下,自变量间的离散程度有关. 故,标准化回归系数的比较结果只是适用于某一特定环境的,而不是绝对正确的,它可能因时因地而变化. 事实上,如果未来环境因素的波动程度变小,很可能遗传因素就显得更为重要.数据的情况千差万别,变量的相对重要性也可能完全不同但都符合当时的实际情况.
@支质1219：在spss 回归分析中,非标准化系数到了负7点几,其他都是0点几,这正常 -
马羽13818013333…… 正常.本身非标准化系数 就是因为涉及到不同变量的单位级别 会导致回归系数之间的影响大小无法进行比较,所以才有了标准化回归系数,用于比较不同自变量对因变量的影响
@支质1219：用spss多元线性回归之前做了数据标准化处理,回归系数的常数项为5.170E - 16,接近于0了,请问什么问题 -
马羽13818013333…… 多元线性回归之前不能做数据标准化处理,否则会出现错误的结果. 标准化之后自变量和因变量数列几乎相同或者是相差无几了,所以常数项肯定几乎是0
@支质1219：回归系数可不可以大于1啊,高手急救 -
马羽13818013333…… 是有这个可能的,但你的这系数本身是有问题的,超出合理范围了,检查模型设定等问题,在看看情况 .
@支质1219：spss逻辑回归 检验不通过 怎么调整 -
马羽13818013333…… 首先来说明各个符号,B也就是beta,代表回归系数,标准化的回归系数代表自变量也就是预测变量和因变量的相关,为什么要标准化,因为标准化的时候各个自变量以及因变量的单位才能统一,使结果更精确,减少因为单位不同而造成的误差...
@支质1219：多元回归分析中,多个自变量相关性高,对结果有什么影响 -
马羽13818013333…… 结果里,R值就是回归的决定系数,代表各变量能解释因变量的程度.ANOVA里,sig小于0.05证明回归方程有效.constant对应的B值是截距(常数项),其他变量对应B值就是变量的影响系数.变量对应的beta值就是他们的标准化影响系数,数值最高的就是影响力度最大的因素.你想知道的自变量与因变量的关系是B值,B值越高,该自变量对因变量越大
@支质1219：回归系数、标准回归系数,各指什么?数值差异咋那么大呀? -
马羽13818013333…… 回归系数在回归方程中表示自变量x 对因变量y 影响大小的参数. 回归系数越大表示x 对y 影响越大,正回归系数表示y 随x 增大而增大,负回归系数表示y 随x 增大而减小. 回归方程式^Y=bX+a中之斜率b,称为回归系数,表X每变动一单位,平均而言,Y将变动b单位. 标准回归系数消除了因变量y和自变量x1,x2,…xn所取单位的影响之后的回归系数,其绝对值的大小直接反映了xi对y的影响程度. 计算方法对数据标准化,即将原始数据减去相应变量的均数后再除以该变量的标准差,计算得到的回归方程称为标准化回归方程,相应得回归系数为标准化回归系数.
@支质1219：标准化回归系数问题
马羽13818013333…… 首先你要看你的模型,如果大致呈指数增长或者下降,就可以参照李光先生那样进行标准化回归.如果不是,你应该先识别你的数据类型,而且要做到合理筛选.
马羽13818013333…… 一个sig大于0.05,一个小于0.05,这是正常的,说明大于0.05的对因变量没有显著的影响 而要比较回归系数的大小 要看后面的标准化回归系数,因为前面带常数项的回归系数是带有单位的,所以无法判断回归系数的大小
@支质1219：标准回归系数的问题★★★★★★★★★★★ -
马羽13818013333…… 确实,beta coefficient就是标准回归系数,它是首先把各个自变量进行Z转换(数据值-数据平均值然后除以标准差)之后再进行回归,此时得出的回归系数称为标准化回归系数.Z转换可以把各个自变量的数级、量纲统一标准化,也就可以根据标准化回归系数的大小比较出各个自变量在回归方程中的效应大小.
@支质1219：回归分析的结果中有非标准化系数和标准化系数,如何正确使用这两个系数? -
马羽13818013333…… 应该使用非标准化系数. 原因: 1、标准化回归系数测度的是对被解释变量的重要性,只有标准化了,才能进行重要性对比.故,比较重要性时用标准化系数,做实际的预测,应该用非标准化系数. 2、需要注意的是,标准化系数比较的主要性是一种同量纲化后的相对重要性.相对重要性,与某一特定的情况下,自变量间的离散程度有关. 故,标准化回归系数的比较结果只是适用于某一特定环境的,而不是绝对正确的,它可能因时因地而变化. 事实上,如果未来环境因素的波动程度变小,很可能遗传因素就显得更为重要.数据的情况千差万别,变量的相对重要性也可能完全不同但都符合当时的实际情况.
@支质1219：在spss 回归分析中,非标准化系数到了负7点几,其他都是0点几,这正常 -
马羽13818013333…… 正常.本身非标准化系数 就是因为涉及到不同变量的单位级别 会导致回归系数之间的影响大小无法进行比较,所以才有了标准化回归系数,用于比较不同自变量对因变量的影响
@支质1219：用spss多元线性回归之前做了数据标准化处理,回归系数的常数项为5.170E - 16,接近于0了,请问什么问题 -
马羽13818013333…… 多元线性回归之前不能做数据标准化处理,否则会出现错误的结果. 标准化之后自变量和因变量数列几乎相同或者是相差无几了,所以常数项肯定几乎是0
@支质1219：回归系数可不可以大于1啊,高手急救 -
马羽13818013333…… 是有这个可能的,但你的这系数本身是有问题的,超出合理范围了,检查模型设定等问题,在看看情况 .
@支质1219：spss逻辑回归 检验不通过 怎么调整 -
马羽13818013333…… 首先来说明各个符号,B也就是beta,代表回归系数,标准化的回归系数代表自变量也就是预测变量和因变量的相关,为什么要标准化,因为标准化的时候各个自变量以及因变量的单位才能统一,使结果更精确,减少因为单位不同而造成的误差...
@支质1219：多元回归分析中,多个自变量相关性高,对结果有什么影响 -
马羽13818013333…… 结果里,R值就是回归的决定系数,代表各变量能解释因变量的程度.ANOVA里,sig小于0.05证明回归方程有效.constant对应的B值是截距(常数项),其他变量对应B值就是变量的影响系数.变量对应的beta值就是他们的标准化影响系数,数值最高的就是影响力度最大的因素.你想知道的自变量与因变量的关系是B值,B值越高,该自变量对因变量越大
@支质1219：回归系数、标准回归系数,各指什么?数值差异咋那么大呀? -
马羽13818013333…… 回归系数在回归方程中表示自变量x 对因变量y 影响大小的参数. 回归系数越大表示x 对y 影响越大,正回归系数表示y 随x 增大而增大,负回归系数表示y 随x 增大而减小. 回归方程式^Y=bX+a中之斜率b,称为回归系数,表X每变动一单位,平均而言,Y将变动b单位. 标准回归系数消除了因变量y和自变量x1,x2,…xn所取单位的影响之后的回归系数,其绝对值的大小直接反映了xi对y的影响程度. 计算方法对数据标准化,即将原始数据减去相应变量的均数后再除以该变量的标准差,计算得到的回归方程称为标准化回归方程,相应得回归系数为标准化回归系数.
@支质1219：标准化回归系数问题
马羽13818013333…… 首先你要看你的模型,如果大致呈指数增长或者下降,就可以参照李光先生那样进行标准化回归.如果不是,你应该先识别你的数据类型,而且要做到合理筛选.
