Regression-Coefficients
如何將標準化係數轉換為非標準化係數？
我的目標是使用先前對該主題的研究得出的係數來預測給定一組自變量的實際結果。但是，研究論文僅列出了 Beta 係數和 t 值。我想知道是否可以將標準化係數轉換為非標準化係數。
將我的非標準化自變量轉換為標準化自變量以計算預測值是否有用？我將如何返回到非標準化的預測值（如果可能的話..）
從紙上添加了示例行：
公交線路數量（公交線路）| 0.275（測試版） | 5.70***（t 值）
關於自變量，我也得到了這個：
公交線路數量（公交線路）| 12.56（平均）| 9.02（標準）| 1（分鐘） | 53（最大）
聽起來這篇論文在表格中使用了多元回歸模型
在哪裡是自變量的標準化版本；即。,
枝條平均值（例如示例中的 12.56）和的值的標準偏差（例如示例中的 9.02）多變的（示例中的“總線”）。 是截距（如果存在）。將此表達式插入擬合模型，其“beta”寫為（在示例中為 0.275），並且做一些代數給出了估計
這表明係數在模型中（除了常數項）是通過將貝塔除以自變量的標準偏差獲得的，並且通過減去貝塔的合適線性組合來調整截距。
這為您提供了兩種從向量預測新值的方法獨立值：
- 使用手段和標準差 如論文中所述（未根據任何新數據重新計算！），計算並將它們代入 beta 給出的回歸公式中，或者等效地，
- 插頭到上面推導的代數等價公式中。
如果論文使用的是廣義線性模型，您可能需要通過應用逆“鏈接”函數來遵循此計算. 例如，對於邏輯回歸，有必要應用邏輯函數獲得預測概率（是預測的對數機率）。