R 自变量加1个标准差的线性回归
这一定是一个非常简单的问题，但我不确定我是否做得正确： 我想进行多元线性回归，其中我想在1个标准偏差（SD）中包括自变量（Indv3）变化的影响 换句话说：如果'Indv3'更改1SD，依赖（Depv）变量如何与其关联 我所做的是：计算'Indv3'的SD值，并生成一个虚拟变量（Indv3_plusSD），其中'Indv3'+1SD值=1，其余值为0 然后，为了进行线性回归，我添加了'Indv3_plusSD'虚拟变量并执行回归。然而，当我这样做时，我得到了另一个“Depv”的β系数，与一篇论文中已经发表的相同数据的分析相比…（因此，我可能在SD分析中做得不对：）R 自变量加1个标准差的线性回归,r,regression,standard-deviation,dummy-variable,R,Regression,Standard Deviation,Dummy Variable,这一定是一个非常简单的问题，但我不确定我是否做得正确： 我想进行多元线性回归，其中我想在1个标准偏差（SD）中包括自变量（Indv3）变化的影响 换句话说：如果'Indv3'更改1SD，依赖（Depv）变量如何与其关联 我所做的是：计算'Indv3'的SD值，并生成一个虚拟变量（Indv3_plusSD），其中'Indv3'+1SD值=1，其余值为0 然后，为了进行线性回归，我添加了'Indv3_plusSD'虚拟变量并执行回归。然而，当我这样做时，我得到了另一个“Depv”的β系数，与一篇论文
linregr回归到Indv1
、Indv2
和Indv3
而不使用SD术语：
linregr%
变异（Indv3_标度=标度（Indv3））
（sd3=sd（df$Indv3））
#> [1] 60.84117
模型1=lm（Depv~Indv1+Indv2+Indv3，数据=df）
模型2=lm（Depv~Indv1+Indv2+Indv3_标度，数据=df）
coef（模型1）['Indv3']*sd3
#>Indv3
#> -0.1609104
coef（模型2）[“Indv3_比例”]
#>INDU量表
#> -0.1609104
由（v0.3.0）于2020年1月14日创建，根据Indv1
、Indv2
和Indv3
回归，无需SD术语：
linregr%
变异（Indv3_标度=标度（Indv3））
（sd3=sd（df$Indv3））
#> [1] 60.84117
模型1=lm（Depv~Indv1+Indv2+Indv3，数据=df）
模型2=lm（Depv~Indv1+Indv2+Indv3_标度，数据=df）
coef（模型1）['Indv3']*sd3
#>Indv3
#> -0.1609104
coef（模型2）[“Indv3_比例”]
#>INDU量表
#> -0.1609104
由（v0.3.0）于2020年1月14日创建将此问题移至（交叉验证）我不理解您方法的理由。我想你应该在你的模型中加入scale（Indv3）。把这个问题转移到（交叉验证）我不理解你的方法的理由。我想你应该在你的模型中加入scale（Indv3）。很棒的thx@KentJohnson。所以当Indv3显著相关时，SD*（Indv3的系数）仍然是符号，这是正确的吗。关联？我不知道你说的“显著关联”是什么意思。SD*（Indv3的系数）将具有与系数相同的p值。这种方法可行，但我觉得只需标准化Indv3
（通过scale
或手动）并将该标准化变量包含在模型中就更容易了。一旦预测值以标准偏差为单位，则单位变化正好是Indv3
中的1SD变化。如果使用@Simon方法，则系数的置信区间将由lm
报告。否则，将置信区间乘以SD。具有缩放Indv3
的模型已经以SD为单位，因此您不必将β乘以SD。请看我编辑的答案。很棒的thx@KentJohnson。所以当Indv3显著相关时，SD*（Indv3的系数）仍然是符号，这是正确的吗。关联？我不知道你说的“显著关联”是什么意思。SD*（Indv3的系数）将具有与系数相同的p值。这种方法可行，但我觉得只需标准化Indv3
（通过scale
或手动）并将该标准化变量包含在模型中就更容易了。一旦预测值以标准偏差为单位，则单位变化正好是Indv3
中的1SD变化。如果使用@Simon方法，则系数的置信区间将由lm
报告。否则，将置信区间乘以SD。具有缩放Indv3
的模型已经以SD为单位，因此您不必将β乘以SD。请参阅我编辑的答案。
Depv Indv1 Indv2 Indv3 Indv3_plusSD
1 1.1555864 48 1 77.07593 0
2 1.0596864 61 2 69.51333 0
3 0.8380413 51 1 87.38040 0
4 1.5305489 53 2 67.43750 0
5 1.0619884 55 1 165.99977 1
6 0.8474507 56 2 229.14570 1
7 0.9579580 64 2 121.89550 0
8 0.7432210 58 1 211.17690 1
9 0.8374197 60 1 139.69577 0
10 0.7378349 65 1 277.03920 1
11 0.6971632 61 1 195.72100 1
12 0.5227076 64 2 194.63220 1
13 0.9900380 52 1 138.25417 0
14 0.8954233 52 2 237.39020 1
15 0.9058147 56 1 123.42930 0
16 0.9436135 55 2 152.75953 1
17 0.7123374 55 1 190.34547 1
18 1.1928167 58 1 166.50990 1
19 1.3342048 47 2 76.35120 0
20 1.0881865 49 1 135.71740 0
21 2.9028876 48 2 61.83147 0
22 0.6661121 61 1 139.68627 0
linregr <- lm(Depv ~ Indv1 + Indv2 + Indv3_plusSD, data = df)