此前介紹了在線性回歸模型中不同變數效應大小的比較方法，在Logit、Ologit概率模型中， beta選項不能使用，在此介紹概率模型中的輸出標準化係數的方法
標準化係數是什麼？
標準化係數是指將數據標準化後計算得到的回歸係數。數據進行了標準化後可以取消不同變數量綱的影響 為了比較模型中不同變數效應的大小，需要進行標準化處理。例如：足球比賽中，比較射門、罰球點球對積分的影響效應大小，自變數：射門、罰球點球；因變數：比賽結果。根據回歸係數可知自變數每增加一個單位，引起的對因變數的影響大小，但兩者相比，誰的影響更大則需要進行標準化處理
註：數據為足球技戰術指標（因變數：比賽結果（Mdf,勝3、平2、負1；Mdf1,不敗1、負0）；自變數：射門shoot、罰球點球dq）；數據、模型結果為舉例說明，不代表真實情況。
方法一：標準化變數再回歸
（註：僅適用於ologit模型，logit模型不適用）
將原始的變數轉化成無量綱的標準化數據，使得回歸後的係數具有可比性
第一步 對變數進行標準化處理
生成新變數t_Mdf、t_shoot、t_dq
egen t_Mdf=std(Mdf) //變數標準化
egen t_shoot=std(shoot) //變數標準化
egen t_dq=std(dq) //變數標準化第二步 對標準化後的數據進行擬合
ologit t_Mdf t_shoot t_dq ,nolog //輸出結果為標準化後的係數
方法二：使用listcofe命令
（註：僅適用於logit模型，ologit模型不適用）
第一步 回歸
logit Mdf1 shoot dq,nolog //
第二步 輸出標準化係數
listcoef ,std help // 
註：logit、ologit模型是概率模型，一般結合回歸係數方向和OR值來解釋模型的，比較不同變數的效應大小後注意多種方法結合使用以解讀模型
原創文章，作者：投稿專員，如若轉載，請註明出處：https://www.506064.com/zh-tw/n/223151.html
微信掃一掃 
支付寶掃一掃 