一般来说，我在回归中标准化我的自变量，以便正确比较系数（这样它们就有相同的单位：标准差）。但是，对于面板/纵向数据，我不确定我应该如何标准化我的数据，特别是如果我估计一个层次模型。

要了解为什么它可能是一个潜在问题，假设您有个沿个周期测量的个体，并且您测量了一个因变量和一个自变量。如果您运行完整的池化回归，则可以以这种方式标准化您的数据：，因为它不会改变 t-统计。另一方面，如果您拟合一个未合并的回归，即每个人的一个回归，那么您应该仅按个人标准化您的数据，而不是整个数据集（在 R 代码中）：$i = 1, \ldots, n$$t=1,\ldots, T$$y_{i,t}$$x_{i,t}$$x.z = (x- \text{mean}(x))/\text{sd}(x)$

for (i in 1:n) {
  for ( t in 1:T) x.z[i] =  (x[i,t] - mean(x[i,]))/sd(x[i,]) 
}

但是，如果您拟合一个简单的分层模型，其中个体截距不同，那么您正在使用收缩估计器，即，您正在估计合并和非合并回归之间的模型。我应该如何标准化我的数据？像汇总回归一样使用整个数据？仅使用个人，例如在未合并的情况下？