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.
Pengambilan keputusan dalam 4 langkah: Strategi dan langkah operasional untuk pengambilan keputusan dan pilihan yang efektif dalam konteks yang tidak pasti