Estandarizados beta pesos para un negocio multinivel de regresión

Question

Cómo se puede obtener estandarizada (efectos fijos) de regresión pesos a partir de una regresión multinivel?

Y, como un "add-on": ¿Cuál es la manera más fácil de obtener estos pesos estandarizados de un mer-objeto (de la lmer función de la lme4paquete en R)?

Answer 1

Simplemente la escala de sus variables explicativas a tener media cero y varianza de uno y antes de ponerlos en el modelo. Entonces los coeficientes todos serán comparables. La mezcla de los efectos de la naturaleza de la modelo no impacto en este problema.

La mejor manera de hacerlo, y menos propensos a ir mal, es el uso de la escala (a) antes de ajustar el modelo.

Answer 2

Para el estándar de los modelos lineales de regresión con lm() puede scale() su predictores de datos o, simplemente, utilizar esta sencilla fórmula:

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)

Answer 3

Una forma rápida de llegar a la estandarización de los coeficientes beta directamente desde cualquier película (o glm) en el modelo de R, trate de usar lm.beta(model) de la QuantPsyc paquete. Por ejemplo:

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

library(QuantPsyc)
lm.beta(glmModel)

Answer 4

Suponiendo que haya establecido la salida de su lmer modelo lmer.results, fixef(lmer.results) devolverá el total de los efectos fijos de los coeficientes.