Coeficiente padronizado - Standardized coefficient

Em estatísticas , os coeficientes padronizados (regressão) , também chamados de coeficientes beta ou pesos beta , são as estimativas resultantes de uma análise de regressão onde os dados subjacentes foram padronizados para que as variâncias das variáveis ​​dependentes e independentes sejam iguais a 1. Portanto, coeficientes padronizados são sem unidade e referem-se a quantos desvios padrão uma variável dependente mudará, por aumento de desvio padrão na variável preditora.

Uso

A padronização do coeficiente é geralmente feita para responder à questão de qual das variáveis ​​independentes tem um efeito maior sobre a variável dependente em uma análise de regressão múltipla onde as variáveis ​​são medidas em diferentes unidades de medida (por exemplo, renda medida em dólares e família tamanho medido em número de indivíduos). Também pode ser considerada uma medida geral do tamanho do efeito , quantificando a "magnitude" do efeito de uma variável sobre outra. Para regressão linear simples com preditores ortogonais, o coeficiente de regressão padronizado é igual à correlação entre as variáveis ​​independentes e dependentes.

Implementação

Uma regressão realizada em variáveis ​​originais (não padronizadas) produz coeficientes não padronizados. Uma regressão realizada em variáveis ​​padronizadas produz coeficientes padronizados. Os valores para coeficientes padronizados e não padronizados também podem ser redimensionados um para o outro subsequente a qualquer tipo de análise. Suponha que seja o coeficiente de regressão resultante de uma regressão linear (prevendo por ). O coeficiente padronizado resulta simplesmente como , onde e são os desvios padrão (estimados) de e , respectivamente. ${\ displaystyle \ beta}$${\ displaystyle y}$${\ displaystyle x}$${\ displaystyle \ beta ^ {\ ast} = {\ frac {s_ {x}} {s_ {y}}} \ beta}$${\ displaystyle s_ {x}}$${\ displaystyle s_ {y}}$${\ displaystyle x}$${\ displaystyle y}$

Às vezes, a padronização é feita apenas em relação ao desvio padrão do regressor (a variável independente ). ${\ displaystyle x}$

Vantagens e desvantagens

Coeficientes padronizados defensores notar que os coeficientes são independentes das variáveis envolvidas unidades de medida (ou seja, coeficientes padronizados são sem unidade ), o que torna fácil comparações.

Os críticos expressam preocupações de que tal padronização pode ser muito enganosa. Devido ao redimensionamento com base nos desvios padrão da amostra, qualquer efeito aparente no coeficiente padronizado pode ser devido à confusão com as particularidades (especialmente: variabilidade ) da (s) amostra (s) de dados envolvida (s). Além disso, a interpretação ou significado de uma " mudança de um desvio padrão " no regressor pode variar acentuadamente entre distribuições não normais (por exemplo, quando distorcido , assimétrico ou multimodal ). ${\ displaystyle x}$

Terminologia

Alguns pacotes de software estatístico , como PSPP , SPSS e SYSTAT, rotulam os coeficientes de regressão padronizados como "Beta", enquanto os coeficientes não padronizados são rotulados como "B". Outros, como DAP / SAS , os rotulam como "Coeficiente Padronizado". Às vezes, as variáveis ​​não padronizadas também são rotuladas como "b".

Veja também

• Regressão linear
• Coeficiente de correlação
• Tamanho do efeito
• Regressão ponderada por unidade

Referências

Leitura adicional

• Schroeder, Larry D .; Sjoquist, David L .; Stephan, Paula E. (1986). Compreendendo a análise de regressão . Publicações Sage. pp.  31–32 . ISBN 0-8039-2758-4.
• Vittinghoff, Eric; Glidden, David V .; Shiboski, Stephen C .; McCulloch, Charles E. (2005). Métodos de regressão em bioestatística: modelos lineares, logísticos, de sobrevivência e de medidas repetidas . Springer. pp. 75–76. ISBN 0-387-20275-7.
• Neter, J .; Kutner, MH; Nachtsheim, CJ; Wasserman, W. (1996). "7.5 Modelo de regressão múltipla padronizado". Modelos estatísticos lineares aplicados (4ª ed.). McGraw-Hill. pp. 281–284. ISBN 0-256-11736-5.

links externos

• Quais preditores são mais importantes? - porque coeficientes padronizados são usados