Coeficiente estandarizado

format_list_bulleted Contenido keyboard_arrow_down

ImprimirCitar

En estadística, los coeficientes (de regresión) estandarizados, también llamados coeficientes beta o pesos beta, son las estimaciones resultantes de un análisis de regresión en el que los datos subyacentes se han estandarizado de modo que las varianzas de las variables dependientes e independientes sean iguales a 1. Por lo tanto, los coeficientes estandarizados no tienen unidades y se refieren a cuántas desviaciones estándar cambiará una variable dependiente por cada aumento de desviación estándar en la variable predictora.

Usage

La estandarización del coeficiente se realiza generalmente 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 donde las variables se miden en diferentes unidades de medida (por ejemplo, los ingresos medidos en dólares y el tamaño de la familia medido en número de individuos). También puede considerarse una medida general del tamaño del efecto, que cuantifica 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.

Aplicación

Una regresión realizada en variables originales (no estandarizadas) produce coeficientes no estandarizados. Una regresión realizada en variables estandarizadas produce coeficientes estandarizados. Los valores de los coeficientes estandarizados y no estandarizados también se pueden reescalificar unos a otros después de cualquier tipo de análisis. Supongamos que $\beta$ es el coeficiente de regresión resultante de una regresión lineal (predicción) $y$ por $x$ ). El coeficiente estandarizado simplemente resulta como $\beta ^{\ast }={\frac {\fnK} {\fn}}\beta$ , donde $s_{x$ y $s_{y$ son las desviaciones estándar (estimadas) $x$ y $y$ , respectivamente.

A veces, la estandarización se hace sólo sin respeto a la desviación estándar del regresión (la variable independiente) $x$ ).

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.

La voz crítica se refiere a que tal estandarización puede ser muy engañosa. Debido a la reescalificación basada en desviaciones estándar de muestra, cualquier efecto aparente en el coeficiente estandarizado puede deberse a la confusión con las particularidades (especialmente: variabilidad) de la muestra(s) de datos involucrados. Además, la interpretación o significado de un "un cambio estándar de desviación"en el regresor $x$ puede variar marcadamente entre las distribuciones no normales (por ejemplo, cuando se asienta, 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 se etiquetan como "B". Otros, como DAP/SAS, los etiquetan como "Coeficiente estandarizado". A veces, las variables no estandarizadas también se etiquetan como "b".

Véase también

Regreso lineal
Coeficiente de correlación
Tamaño del efecto
Regresión ponderada por unidad

Referencias

^ a b Menard, S. (2004), "Standardized regression coefficients", en Lewis-Beck, M.S.; Bryman, A.; Liao, T.F. (eds.), The Sage Encyclopedia of Social Science Research Methods, Thousand Oaks, CA, USA: Sage Publications, pp. 1069-1070, doi:10.4135/9781412950589.n959, ISBN 9780761923633
^ a b Groenlandia, S.; Schlesselman, J. J.; Criqui, M. H. (1986). "La falacia de emplear coeficientes y correlaciones estandarizados de regresión como medidas de efecto". American Journal of Epidemiology. 123 (2): 203–208. doi:10.1093/oxfordjournal.aje.a114229. PMID 3946370.
^ a b Newman, T. B.; Browner, W. S. (1991). "En defensa de los coeficientes de regresión estandarizados". Epidemiología. 2 (5): 383-386. doi:10.1097/00001648-199109000-00014. PMID 1742391.
^ Groenlandia, S.; Maclure, M.; Schlesselman, J. J.; Poole, C.; Morgenstern, H. (1991). "Coeficientes estandarizados de regresión: Una nueva crítica y revisión de algunas alternativas". Epidemiología. 2 (5): 387–392. doi:10.1097/00001648-199109000-00016. PMID 1742393.

Más lectura

Schroeder, Larry D.; Sjoquist, David L.; Stephan, Paula E. (1986). Comprender el análisis de regresión. Sage Publications. pp. 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. Springer. pp. 75–76. ISBN 0-387-20275-7.
Neter, J.; Kutner, M. H.; Nachtsheim, C.J.; Wasserman, W. (1996). "7.5 Modelo de regresión múltiple estandarizado". Modelos estadísticos lineales aplicados (4a edición). McGraw-Hill. pp. 281–284. ISBN 0-256-11736-5.

Enlaces externos

¿Qué predictores son más importantes? - por qué se utilizan coeficientes estandarizados

Más resultados...