선형 회귀 분석에서 표준화 된 설명 변수를 사용하는시기와 방법

선형 회귀에 대한 두 가지 간단한 질문이 있습니다.

1. 설명 변수를 표준화하는 것이 언제 권장됩니까?
2. 일단 표준화 된 값으로 평가를 수행하면 새로운 값으로 어떻게 예측할 수 있습니까 (새로운 값을 어떻게 표준화해야합니까)?

일부 참조가 도움이 될 것입니다.

용어는 논쟁의 여지가 있지만 "설명"변수, "예측 자"변수라고 부르는 것을 선호합니다.

예측 변수를 표준화 할시기 :

• 다중 선형 회귀 분석을 수행하기위한 많은 소프트웨어는 예측 변수와 반응 변수를 수동으로 표준화하는 표준화되지 않은 계수와 동등한 표준화 된 계수를 제공합니다 (물론, 예측 변수 표준화에 대해서만 말하는 것처럼 들립니다).
• 제 생각에는 표준화는 회귀 방정식을보다 의미있게 만드는 유용한 도구입니다. 변수의 메트릭이 회귀 방정식을 해석하는 사람에게 의미가없는 경우 (예 : 임의의 메트릭의 심리적 척도)에 특히 그렇습니다. 또한 예측 변수의 상대적 중요성 비교를 용이하게하는 데 사용될 수 있습니다 (상대적 중요성을 평가하기위한 다른 더 정교한 접근 방법이 존재하지만 토론에 대한 내 게시물 참조 ). 메트릭이 회귀 방정식을 해석하는 사람에게 의미가있는 경우 표준화되지 않은 계수가 종종 더 유익합니다.

• 또한 표준화 된 변수에 의존하는 것은 독자에게 변수의 메트릭을 더 의미있게 만드는 방법에 대해 생각하지 않았다는 사실에서 주목을 끌 수 있다고 생각합니다.

• Andrew Gelman은이 주제에 대해 공정한 의견을 가지고 있습니다. 예를 들어 표준화에 대한 그의 페이지 와 특히 Gelman (2008, Stats Med, 무료 PDF) 을 참조하십시오.

표준화에 따른 예측 :

• 예측에 표준화 된 회귀 계수를 사용하지 않습니다.
• 원래 표본에서 예측 변수의 평균 및 표준 편차를 알고있는 경우 항상 표준화 된 계수를 표준화되지 않은 계수로 변환 할 수 있습니다.

짧은 답변 반죽으로 답장을 드리겠습니다. 이전에 작성된 훌륭한 답변과 겹칠 수 있습니다.

1. 회귀 분석, 특히 회귀 계수를 더 잘 해석 할 수 있도록 항상 표준화하십시오.

2. 표준화되지 않은 새 데이터의 경우 최대 및 최소와 같이 표준화 할 각 변수에 사용한 값을 저장 한 다음 홀 데이터 세트에서 수행 한 것과 동일한 변환을 수행하는 것이 좋습니다. 단일 인스턴스.