首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >问答首页 >R和XLStat方差中的β系数

R和XLStat方差中的β系数
EN

Stack Overflow用户
提问于 2016-04-14 18:48:34
回答 1查看 1.1K关注 0票数 0

我正在使用RXLStat软件。我已经进行了单向ANOVA (我的分类变量是3模态(1,2,3),我的响应变量是1-10尺度的定量变量)。

我已经对R和XLStat进行了方差分析,F- fisher,p值,系数估计,t值,std error…的输出是完全一样的。

但是,XLstat提供了一个额外的输出:标准化系数(称为too beta系数)。首先,我很惊讶,因为我不认为我们可以计算分类变量的β系数,根据我读的参考书目,它没有任何意义。

总之,我试着用R来找出这些系数,这要归功于我找到的唯一公式:beta = estimate * sd(x)/sd(y)。sd(x)是分类变量的标准差(为了计算sd(x),它会自动转换为数值变量,以计算sd(X),这似乎是合乎逻辑的),sd(y)是我的响应变量的标准差。

我使用R获得的第一个测试版与XLstat中的相同,但第二个和第三个不同。考虑到第一个变量与R和XLStat相同,我认为Xlstat也将类别变量转换为数值变量(这是没有意义的,但这不是问题所在)。此外,我对Statistica进行了方差分析,以查看XLStat是否有任何错误,但其β系数的输出与Xlstat…相同

所以,我的问题是:用单因素方差得到β系数的公式是什么?

然后,我想问你关于分类变量的这些beta系数的相关性。根据我的想法和我读到的出版物,它没有任何意义…

R和Xlstat中的ps对比度为sum(ai)=0。对于β系数,XLStat删除截距。我想这个事实可能很重要,但我不知道怎么回事

EN

回答 1

Stack Overflow用户

发布于 2016-04-14 20:14:37

对于方差分析,从度量系数中获得β系数的公式与线性回归的公式相同。系数没有合理的解释(对于分类变量),但标准化系数在比较不同度量的IVs的相对效果时很有用。

在R中,要么使用scale()将数据转换为z分数,然后再拟合模型,要么使用lm.beta()而不是lm()。

目前还不清楚为什么你会用XLStat得到不同的β系数,但如果这不是一个错误,它可能与自由度有关。This example将R中的lm.beta()函数与SAS进行比较,并获得相同的系数。

票数 1
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/36620837

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档