【统计学】【B站视频代码】回归模型 自变量每增加1个标准差，引起的效应值变化

# --per SD increase--
#  一单位变化的标准差sd的效应值变化
## 试验线性回归的结果
## 建立正态分布的因变量var1和自变量var2数据
set.seed(1234)
data=data.frame(var1=rnorm(30,mean = 20,sd=5),
                 var2=rnorm(30,mean = 30,sd=6))
shapiro.test(data$var2)c
summary(data$var2)

# ----方法1-原始数据连续性变量----
## {回归系数} 直接乘 {sd}
model1 <- lm(var1 ~ var2, data)
sd(data$var2)*model1[["coefficients"]][["var2"]]

# ----方法2-只对自变量进行标准化-----
data$var2_scale <- scale(data$var2,center = T,scale = T)
model2 <- lm(var1 ~ var2_scale, data)
summary(model2)
library(reportReg)
reportReg(model2) # 最终sd解释结果



## 【探索中似乎错误】
# ----方法3-原始数据分类处理----
# 原理是按照sd对数据进行切割
(sdvar2 <- sd(data$var2))
(minvar2 <- min(data$var2))
(maxvar2 <- max(data$var2))
sdvar2*3
sdvar2*7
seq(minvar2,sdvar2*7,sdvar2)
data$var2_sd_cat <- cut(data$var2,
                 breaks =c(seq(minvar2-0.001,sdvar2*7,sdvar2)),
                 right = T)
data$var2_sd_cat 
# 转为连续性变量
data$var2_sd_cat2 <- as.numeric(data$var2_sd_cat)
data[20:30,c("var2_sd_cat","var2_sd_cat2")]
model3 <- lm(var1 ~ var2_sd_cat2, data)
summary(model3) 
reportReg(model3)

reportReg(model2)
sd(data$var2)*model1[["coefficients"]][["var2"]]