En regresión múltiple, los coeficientes beta estandarizados permiten valorar la importancia relativa de cada variable independiente dentro de la ecuación.
Son los coeficientes que obtendríamos si estandarizáramos (con valores z) todas las variables.
Los coeficientes beta indican cuánto cambia la variable dependiente por cada desviación estándar de la variable predictora.
Si el coeficiente beta es negativo, el coeficiente beta nos indica en cuánto decrece la variable dependiente por cada incremento de una desviación estándar de la variable predictora.
En regresión múltiple, los coeficientes beta estandarizados permiten valorar la importancia relativa de cada variable independiente dentro de la ecuación.
Para obtener los coeficientes beta, se usa la opción beta luego del comando regress.
regress var_depen var_indep1 var_indep2 varindep3, beta
Estos coeficientes proporcionan una pista muy útil sobre la importancia relativa de cada variable independiente en la ecuación de regresión. En general, una variable tiene tanto más peso (importancia) en la ecuación de regresión cuanto mayor (en valor absoluto) es su coeficiente de regresión estandarizado.
Para el video adjunto, se utilizará la base creada a partir de la sintaxis que sigue:
************************************
clear
set obs 300
set seed 1234
gen edad = trunc(runiform() * 40 + 30)
gen presion_art = round(((edad * 0.07 + 8) + rnormal(5, 3)), .1)
replace presion_art = round((18 + rnormal(0, 1)), .1) if presion_art > 21
gen puntaje_memoria = round(294 - edad * 1.50 - 4.0* pres + rnormal(0, 12))
regress puntaje_memoria edad pres, beta
************************************
No hay comentarios:
Publicar un comentario