http://ms.swewe.net/word_show.htm/?

23826_1&Pekali_regresi_standard

Pekali regresi standard

Menggariskan
pekali regresi seragam atau pekali regresi standard
Menghapuskan y pembolehubah bersandar dan pembolehubah
bebas x1, x2, ... xn diambil selepas unit pekali regresi, nilai
mutlak untuk xi y adalah mencerminkan langsung tahap
pengaruh.
Kaedah pengiraan
Penyeragaman data, data mentah mengenai pembolehubah
yang sama dengan menolak min dan kemudian dibahagikan
dengan sisihan piawai pembolehubah, persamaan regresi yang
dikira dipanggil regresi persamaan standard, pekali regresi
sama pekali regresi seragam.
Formula
Jika persamaan regresi menganggap bentuk berikut:

Y = b0 b1X1 b2X2 ... bjXj ... bJXJ (Y adalah anggaran)

Antaranya, parameter regresi b0, b1, ..., bj diperolehi oleh
kaedah kuasa dua terkecil.
Pekali regresi standard b '= b * (Xj sisihan piawai / Y sisihan
piawai)

Cara untuk memahami

Pekali regresi standard (nilai Beta) dalam regresi berganda telah
digunakan untuk membandingkan pembolehubah penting,
tetapi kerana kepentingan perkataan rasa kekaburan, statistik
ini sering disalahgunakan.
Kadang-kadang orang mengatakan kepentingan adalah
keadaan yang sama, yang mana satu perkara yang lebih
berkesan. Dalam meningkatkan kualiti pengajaran, apa yang
penting adalah perkakasan guru-guru yang lebih penting? Jika
guru yang lebih penting maka bahan yang sama boleh dibuang
pada guru-guru dengan cepat meningkatkan kualiti pengajaran.
Tetapi di sini untuk membandingkan kedua-dua mesti
mempunyai unit yang sama ukuran, seperti kos (dolar). Jika unit
pembolehubah adalah berbeza, kita tidak boleh benar-benar
mengatakan yang berubah-ubah adalah lebih penting. Unit
yang berlainan daripada dua perkara yang tidak boleh lebih
besar daripada tahap mutlak tahap ke. Untuk membandingkan
mutlak, anda memerlukan dua perkara yang mempunyai satu
unit ukuran, sebaliknya ia adalah mustahil untuk
membandingkan.
Kepentingan pekali regresi standard yang berbeza daripada
maksud di atas, yang merupakan kepentingan relatif sesuatu
kes tertentu dan, sejak tahap pembolehubah diskret. Sebagai
contoh, walaupun kita tidak boleh benar-benar mengatakan
pendidikan dan kekananan dalam menentukan bahawa hasil
tertentu adalah penting, tetapi jika kita membandingkan tahap
pendidikan yang sama, maka pendapatan keputusan mengenai
bilangan tahun merupakan faktor penentu; Sebaliknya, Jika

kerja-kerja yang tidak banyak perbezaan di antara bilangan

tahun, maka pendidikan telah menjadi satu sebab penting.
Kepentingan di sini adalah relatif, berubah mengikut situasi
yang berbeza. Sebagai satu lagi contoh yang popular,
penyelidik mengkaji faktor-faktor genetik dan memperoleh
mempengaruhi pertumbuhan orang itu. Jadi dalam keadaan
ketidaksamaan sosial alam sekitar yang besar, seseorang di
kawasan miskin berkembang, seseorang di sekolah bangsawan,
maka kita akan mendapati majoriti perbezaan personaliti
dijelaskan daripada faktor-faktor alam sekitar yang diperoleh,
dan peranan yang agak kecil keturunan; Sebaliknya, Jika kanakkanak sedikit perbezaan di persekitaran untuk membesar, anda
akan mendapati bahawa perbezaan genetik boleh menjelaskan
kebanyakan personaliti. Kepentingan dalam hal ini, bukan
sahaja pekali regresi bagi pembolehubah bebas daripada
hubungan, tetapi juga dengan turun naik pembolehubah bebas
yang berkaitan: jika ia adalah ijazah besar turun naik, ia akan
menjadi lebih penting, jika tidak, ia menjadi kurang penting.
Pekali regresi standard tepat mengukur kepentingan ini. Dari
pekali regresi standard dalam formula juga boleh dilihat, nilai
Beta adalah sisihan piawai pembolehubah bebas dan berkadar
terus dengan peningkatan dalam kemeruapan pembolehubah
bebas, menjadikan ia dalam kes ini tertentu semakin penting.
Walau bagaimanapun, jika kepentingan kedua-dua keliru, anda
akan mendapat kesimpulan yang mengelirukan. Seperti faktor
persekitaran, faktor genetik daripada nilai nilai Beta Beta
adalah besar, ia dianggap dalam pembangunan personaliti
individu perlu perhatian yang lebih kepada faktor persekitaran,
faktor genetik menghina dalam nilai Beta semasa bagi salah
faham adalah sangat popular, dan juga beberapa pakar masuk

Pekali regresi standard bandingkan keputusan hanya terpakai

kepada persekitaran yang tertentu, dan bukannya hak mutlak,
ia mungkin disebabkan oleh perubahan. Sebagai contoh, data
yang diperolehi dari masa yang tertentu, dalam mempengaruhi
pembentukan faktor personaliti, faktor persekitaran, faktor
genetik daripada nilai nilai Beta Beta, yang hanya menunjukkan
data yang dikumpul pada keadaan tempatan, dan tidak boleh
ada apa-apa yang tidak sesuai kesimpulan tidak boleh benarbenar tanpa sebarang had untuk mengatakan bahawa faktorfaktor alam sekitar daripada faktor genetik adalah besar. Malah,
jika turun naik masa depan faktor alam sekitar yang lebih kecil,
faktor-faktor genetik mungkin lebih penting. Keadaan ini adalah
data yang sangat berbeza, kepentingan relatif mungkin
berbeza, tetapi selaras dengan keadaan semasa.