这应该是一个简单的查询。进行回归分析时，我发现预测变量的系数具有 0.001 的（n）（无穷小）正效应，在 0.005 水平上显着。
我不禁想知道如何可能会出现类似的现象。您是否认为这可能取决于我的变量（尚未）缩放的事实？一旦我重新调整了所有的预测变量，你认为点效应的大小会改变吗？
我希望有人能够澄清这个难题。
系数为 0.001，p < 0.005
机器算法验证
统计学意义
p 值
回归系数
2022-03-29 03:44:51
2个回答
一个简单的思想实验：假设您的预测器是一个长度，最初以毫米表示。如果你用公里来表示它并再次拟合模型，你并没有真正改变任何有意义的关系，但你的系数会下降几个数量级。
如果您有一个非常大的数据集，您也可以获得非常低的系数的显着结果。
这是一个已知现象，因为 p 值取决于效应大小和样本大小。
当你得到许多观察结果时，你就会得到令人信服的证据，证明微小的影响是真实的。
换句话说，该系数可能不为零。对于系数不为零的情况，您会得到一个非常不寻常的结果。
然而，这种效果并不一定足以引起调查人员的兴趣。
“是的，它不是零，但它还不足以关心。”
你所说的缩放可能很重要。例如，光年仍然是一个相当远的距离。
其它你可能感兴趣的问题