Pesos beta padronizados para uma regressão multinível

11

Como se pode obter pesos de regressão padronizados (efeito fixo) a partir de uma regressão multinível?

E, como um "complemento": Qual é a maneira mais fácil de obter esses pesos padronizados de um merobjeto-(da lmerfunção do lme4pacote em R)?

— Felix S
fonte

Especificamente, mer ou você está solicitando algum coeficiente de modelo linear?

— Robert Kubrick

Na verdade, estou mais interessado em como fazer isso em geral (eu padronizaria todas as variáveis de antemão, como nos modelos lineares regulares, mas não tenho certeza se essa abordagem é válida nos MLMs). Acima, gostaria de ver como isso é feito com objetos lme4. Eu refiz a pergunta de acordo!

— Felix S

1

Você pode estar interessado neste artigo de Andrew Gelman e Iain Pardoe (2007) Comparações preditivas médias para modelos com componentes de não linearidade, interações e variância .

— Andy W

9

Simplesmente dimensione suas variáveis explicativas para ter média de zero e variação de uma antes de colocá-las no modelo. Todos os coeficientes serão comparáveis. A natureza dos efeitos mistos do modelo não afeta esse problema.

A melhor maneira de fazer isso, e com menor probabilidade de dar errado, é usar scale () antes de você se encaixar no modelo.

— Peter Ellis
fonte

Obrigado, é o que eu queria saber: redimensionar para a grande média (ignorando a estrutura do grupo ...).

— Felix S

3

Para obter uma maneira rápida de obter os coeficientes beta padronizados diretamente de qualquer modelo lm (ou glm) no R, tente usar lm.beta(model)o pacote QuantPsyc. Por exemplo:

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

library(QuantPsyc)
lm.beta(glmModel)

— CJH
fonte

1

Em este e-mail Ben Bolker traduzido esta função para "lmer-terra".

— CRSH

Mas o código vinculado que Ben fornece não é realmente funcional, como está escrito nesse e-mail, não parece. Inclui palavras / pseudocódigo .... Editar: A resposta a esta pergunta fornecerá o código de trabalho: stats.stackexchange.com/questions/123366/…

— Bajcz

2

Para modelos lineares padrão regredidos com lm (), você pode escalar () os dados de seus preditores ou apenas usar esta fórmula simples:

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)

— Robert Kubrick
fonte

1

Supondo que você definiu a saída do seu lmermodelo como lmer.results, fixef(lmer.results)retornará os coeficientes gerais de efeitos fixos.

— Michelle
fonte

2

Eles não serão "padronizados", serão? Eu li a pergunta como querendo saber o tamanho dos efeitos fixos se as variáveis explicativas estivessem todas na mesma escala.

— Peter Ellis

Não sei se é possível obter os coeficientes padronizados de um merobjeto - eles não aparecem no resumo, portanto, suponho que os lme4métodos não os criem. fixef()retornará todas as informações de efeito fixo disponíveis de um merobjeto.

— 626 Michelle

1

Como Peter já comentou: o foco da pergunta era sobre os coeficientes 'padronizados' ...

— Felix S