标准化Beta权重可进行多级回归

11

如何从多层次回归中获得标准化（固定效应）回归权重？

并且，作为“附加组件”：从mer-object（从中lmer的lme4包功能R）获得这些标准化权重的最简单方法是什么？

r multilevel-analysis lme4-nlme regression-coefficients standardization

— 菲利克斯·S
source

特别是mer或您是否需要任何线性模型系数？

— 罗伯特·库布里克

实际上，我对通常的操作方式更感兴趣（我会像对常规线性模型一样预先对所有变量进行标准化，但是我不确定该方法在MLM中是否有效）。上面，我想看看lme4对象是如何完成的。我相应地改了个问题！

— Felix S

1

您可能对Andrew Gelman和Iain Pardoe（2007）的具有非线性，相互作用和方差成分的模型的平均预测比较感兴趣。

— Andy W

9

在将解释变量放入模型之前，只需将其解释为均值为零且方差为1。然后，系数将全部可比。模型的混合效应性质不会影响此问题。

最好的方法（最不可能出错）是在拟合模型之前使用scale（）。

— 彼得·埃利斯
source

谢谢，这就是我想知道的内容：重新缩放为平均值（忽略组结构...）。

— Felix S

3

为了直接从R中的任何lm（或glm）模型直接获得标准化的beta系数，请尝试使用lm.beta(model)QuantPsyc软件包。例如：

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

library(QuantPsyc)
lm.beta(glmModel)

— 江汉
source

1

Ben Bolker 在此电子邮件中将此功能翻译为“ lmer-land”。

— crsh 2013年

但是Ben提供的链接代码实际上不像该电子邮件中所写的那样起作用，看起来也不像。它包括字/伪....编辑：在回答这个问题将提供工作代码：stats.stackexchange.com/questions/123366/...

— Bajcz

2

对于使用lm（）回归的标准线性模型，您可以scale（）您的预测变量数据，也可以仅使用以下简单公式：

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)

— 罗伯特·库布里克
source

1

假设您将lmer模型的输出设置为lmer.results，fixef(lmer.results)将返回总体固定效果系数。

— 蜜雪儿
source

2

他们不会被“标准化”，对吗？我将问题理解为如果解释变量都在相同范围内，则想知道固定效果的大小。

— 彼得·埃利斯

我不知道有可能从mer对象中获取标准化系数-它们不会出现在摘要中，因此我假设这些lme4方法不会创建它们。fixef()将返回mer对象可用的所有固定效果信息。

— 米歇尔

1

正如彼得已经说过的：问题的重点是“标准化”系数……

— Felix S