일반적으로 계수를 올바르게 비교하기 위해 회귀 분석에서 독립 변수를 표준화합니다 (이렇게하면 동일한 단위 (표준 편차)를 갖습니다). 그러나 패널 / 세로 데이터를 사용하면 특히 계층 적 모델을 추정 할 때 데이터를 어떻게 표준화해야하는지 잘 모르겠습니다.
그것이 잠재적 인 문제가 될 수있는 이유를 보려면, 개인이 t = 1 , … , T 주기를 따라 측정되었고 종속 변수 y i , t 및 하나의 독립 변수 x i , t 를 측정 했다고 가정합니다 . . 풀 풀링 회귀 분석을 실행하면 다음과 같은 방식으로 데이터를 표준화해도됩니다. x . z = ( x − 평균 ( x ) ) / sd ( x , 그것은 t-통계를 변경하지 않습니다 때문이다. 반면 풀링되지 않은 회귀 (즉, 각 개인에 대해 하나의 회귀)를 맞추는 경우 전체 데이터 집합이 아닌 개인별로 데이터를 표준화해야합니다 (R 코드).
for (i in 1:n) {
for ( t in 1:T) x.z[i] = (x[i,t] - mean(x[i,]))/sd(x[i,])
}
그러나 개인에 따라 다양한 절편이있는 단순 계층 모델에 적합하면 축소 추정기를 사용하는 것입니다. 즉, 풀링 된 풀링과 풀링되지 않은 회귀 간 모델을 추정하는 것입니다. 데이터를 어떻게 표준화해야합니까? 풀링 된 회귀처럼 전체 데이터를 사용합니까? 풀링되지 않은 경우처럼 개인 만 사용합니까?