En estadística , los coeficientes estandarizados (de regresión) , también llamados coeficientes beta o ponderaciones beta , son las estimaciones que resultan de un análisis de regresión donde los datos subyacentes se han estandarizado para que las varianzas de las variables dependientes e independientes sean iguales a 1. [1] Por lo tanto , los coeficientes estandarizados no tienen unidades y se refieren a cuántas desviaciones estándar cambiará una variable dependiente, por aumento de desviación estándar en la variable predictora.
Uso
La estandarización del coeficiente generalmente se hace para responder a la pregunta de cuál de las variables independientes tiene un mayor efecto sobre la variable dependiente en un análisis de regresión múltiple , cuando las variables se miden en diferentes unidades de medida (por ejemplo, ingresos medidos en dólares y tamaño de la familia medido en número de individuos). También puede considerarse una medida general del tamaño del efecto , cuantificando la "magnitud" del efecto de una variable sobre otra. Para la regresión lineal simple con predictores ortogonales, el coeficiente de regresión estandarizado es igual a la correlación entre las variables independientes y dependientes.
Implementación
Una regresión realizada sobre variables originales (no estandarizadas) produce coeficientes no estandarizados. Una regresión realizada sobre variables estandarizadas produce coeficientes estandarizados. Los valores de los coeficientes estandarizados y no estandarizados también se pueden volver a escalar entre sí después de cualquier tipo de análisis. Suponer quees el coeficiente de regresión resultante de una regresión lineal (prediciendo por ). El coeficiente estandarizado simplemente resulta como, dónde y son las desviaciones estándar (estimadas) de y , respectivamente. [1]
A veces, la estandarización se realiza solo con respecto a la desviación estándar del regresor (la variable independiente). [2] [3]
Ventajas y desventajas
Los defensores de los coeficientes estandarizados señalan que los coeficientes son independientes de las unidades de medida de las variables involucradas (es decir, los coeficientes estandarizados no tienen unidades ), lo que facilita las comparaciones. [3]
Los críticos expresan su preocupación de que tal estandarización puede ser muy engañosa. [2] [4] Debido al cambio de escala basado en las desviaciones estándar de la muestra, cualquier efecto aparente en el coeficiente estandarizado puede deberse a la confusión con las particularidades (especialmente: variabilidad ) de las muestras de datos involucradas. Además, la interpretación o el significado de un " cambio de una desviación estándar " en el regresorpuede variar notablemente entre distribuciones no normales (por ejemplo, cuando está sesgada , asimétrica o multimodal ).
Terminología
Algunos paquetes de software estadístico como PSPP , SPSS y SYSTAT etiquetan los coeficientes de regresión estandarizados como "Beta", mientras que los coeficientes no estandarizados están etiquetados como "B". Otros, como DAP / SAS, los etiquetan como "Coeficiente estandarizado". A veces, las variables no estandarizadas también se etiquetan como "b".
Ver también
Referencias
- ^ a b Menard, S. (2004), "Coeficientes de regresión estandarizados", en Lewis-Beck, MS; Bryman, A .; Liao, TF (eds.), The Sage Encyclopedia of Sociel Science Research Methods , Thousand Oaks, CA, EE. UU .: Sage Publications, págs. 1069–1070, doi : 10.4135 / 9781412950589.n959
- ^ a b Groenlandia, S .; Schlesselman, JJ; Criqui, MH (1986). "La falacia de emplear coeficientes de regresión estandarizados y correlaciones como medidas de efecto" . Revista Estadounidense de Epidemiología . 123 (2): 203-208. doi : 10.1093 / oxfordjournals.aje.a114229 .
- ^ a b Newman, TB; Browner, WS (1991). "En defensa de los coeficientes de regresión estandarizados". Epidemiología . 2 (5): 383–386. doi : 10.1097 / 00001648-199109000-00014 .
- ^ Groenlandia, S .; Maclure, M .; Schlesselman, JJ; Poole, C .; Morgenstern, H. (1991). "Coeficientes de regresión estandarizados: una nueva crítica y revisión de algunas alternativas". Epidemiología . 2 (5): 387–392. doi : 10.1097 / 00001648-199109000-00016 .
Otras lecturas
- Schroeder, Larry D .; Sjoquist, David L .; Stephan, Paula E. (1986). Comprensión del análisis de regresión . Publicaciones Sage. págs. 31–32 . ISBN 0-8039-2758-4.
- Vittinghoff, Eric; Glidden, David V .; Shiboski, Stephen C .; McCulloch, Charles E. (2005). Métodos de regresión en bioestadística: modelos lineales, logísticos, de supervivencia y de medidas repetidas . Saltador. págs. 75–76. ISBN 0-387-20275-7.
- Neter, J .; Kutner, MH; Nachtsheim, CJ; Wasserman, W. (1996). "7.5 Modelo de regresión múltiple estandarizado". Modelos estadísticos lineales aplicados (4ª ed.). McGraw-Hill. págs. 281-284. ISBN 0-256-11736-5.
enlaces externos
- ¿Qué predictores son más importantes? - por qué se utilizan coeficientes estandarizados