邏輯回歸的標準 beta我想比較我的邏輯回歸模型中的效果強度。在最小二乘模型中，我可以提出並比較標準化的 beta 係數。這可以用邏輯模型來完成嗎？（我沒有在“列”選項中看到該選項）。或者，是否有另一種方法來比較模型中每個項的效果強度？
謝謝
魚人
分析其他回复：邏輯回歸的標準貝塔太謝謝了！
回复：邏輯回歸的標準貝塔分類變量總是被編碼，所以不需要。 查看幫助這裡和這裡了解更多信息。
回复：邏輯回歸的標準貝塔謝謝回复！所以我的模型混合了連續的預測變量和二元的預測變量。我是否標準化了模型中的所有預測變量？
再次感謝：）
回复：邏輯回歸的標準貝塔Fit Least Squares 中的這個命令很方便，但它所做的只是對連續預測變量進行居中和縮放。 您可以使用列公式自己完成同樣的事情。 這很容易做到：
- 選擇數據表中的預測變量列。
- 右鍵單擊其中之一的標題。
- 選擇新列公式 > 分佈 > 標準化。
現在，當您在“擬合模型”對話框中設置建模時，使用這些列代替原始列。 使用示例數據文件夾中的 Fitness 數據表，我通過 MaxPulse 擬合模型 Oxy 與 Age。 我創建了預測變量的標準化版本，並將它們用於第二次擬合的線性預測變量。 我將參數估計值導出為每個數據表並將它們連接起來，以便我可以一起檢查它們。 結果如下：
請注意，兩次擬合之間的 p 值相同。 然後我繪製了估計值，其中重要性更清楚：
使用原始預測器時，似乎只有運行時很重要。 在使用標準化預測變量時，Runtime、RunPulse 和 MaxPulse 似乎很重要。
當然，這兩種模型都會產生相同的預測。
Prediction Profiler 中內置了另一種可能對您的目的有所幫助的技術：變量重要性.
