如何从 svyglm() 回归中获得标准化的 beta

Question

我有一个 svyglm() 加权线性回归模型，并希望获得回归系数的标准化 beta。我尝试使用 lm.beta() 函数来获取它们，但是当我这样做时，系数的 p 值会发生变化。我也尝试过使用 effectsize:standardize_parameters() 函数，但这会返回未标准化的系数（与原始 svyglm() 模型中的系数相同）。如何获得具有正确 p 值的 svyglm() 模型的标准化系数？任何帮助将不胜感激。这是模型的代码：

library(tidyverse)
library(lm.beta)
library(survey)
library(sjstats)
dat <- read.csv("https://raw.githubusercontent.com/LucasTremlett/questions/master/questiondata.csv")
dat.weighted<- svydesign(ids = ~1, data = dat, weights = dat$weight)
model.weighted<- svyglm(DV~IV1+IV2+IV3, design=dat.weighted)
summary(model.weighted)

这是对我不起作用的两种方法的代码

##Withlmbeta()
model.weighted.lm.beta <- lm.beta(model.weighted)
summary(model.weighted.lm.beta)

##Witheffectsize:standardize_parameters()
effectsize::standardize_parameters(model.weighted)

Answer 1

这是一个模型

data(api)
dstrat<-svydesign(id=~1,strata=~stype, weights=~pw, data=apistrat, fpc=~fpc)
model <- svyglm(api00~mobility, design=dstrat)

我们想要估计的总体标准差

vars<-svyvar(~api00+mobility, design=dstrat)
sd.y <- sqrt(vars[1,1])
sd.x <- sqrt(vars[2,2])

现在是标准化测试版

unstd.beta <- coef(model)[2]
std.beta <- unstd.beta*sd.x/sd.y

Answer 2

我不确定 lm.beta() 是否可以用于您的 svyglm 对象 - 这是一个 svy 回归，也是 glm 类型，而不是 lm 类型。

如果lm.beta() 返回的系数是正确的（或者您可以在其他地方获得这些形式），那么获得“标准化 beta”的标准差似乎很简单。

A common calculation of the 'standardized beta' 表明它只是乘以 x 和 y 的标准差的比率。然后，标准化的测试版，a random variable, is also given as the product of this ratio and the estimated s.e. of beta.

# standardized coefficients
st_mean <-  model.weighted.lm.beta$standardized.coefficients 

# standardized coefficients' s.d.
st_sd <- estimates_sd * standadizing_factors

# standardized coefficients tstat
st_tstat <- st_mean/st_sd

result <- data.frame(tibble(st_mean, st_sd, st_tstat))
row.names(result) <- names(model.weighted$coefficients)
result %>% round(5)