提到不同变量的效应大小，大家一定会联想到在多因素回归模型中所得到的回归系数。例如，我们假设自变量分别为身高和体重，根据回归系数很容易就知道每增加1cm的身高或每增加1kg的体重，引起的对因变量Y的影响大小，但是两者相比之下，到底谁的作用大谁的作用小呢？

原始的回归系数已经无法回答这样的问题，我们需要借助标准化回归系数来进行判断，今天我们就来向大家介绍一下，在回归模型中这个标准化回归系数到底是个什么鬼？

标准化回归系数 VS 未标准化回归系数

1、未标准化回归系数

通常我们在构建多因素回归模型时，方程中呈现的是未标准化回归系数，它是方程中不同自变量对应的原始的回归系数。它反映了在其他因素不变的情况下，该自变量每变化一个单位对因变量的作用大小。通过未标准化回归系数和常数项构建的方程，便可以对因变量进行预测，并得出结论。

2、标准化回归系数

而对于标准化回归系数，它是在对自变量和因变量同时进行标准化处理后所得到的回归系数，数据经过标准化处理后消除了量纲、数量级等差异的影响，使得不同变量之间具有可比性，因此可以用标准化回归系数来比较不同自变量对因变量的作用大小。

通常我们主要关注的是标准化回归系数的绝对值大小，绝对值越大，可认为它对因变量的影响就越大。

3、两者的区别

未标准化回归系数体现的是自变量变化对因变量的绝对作用大小，而标准化回归系数反映的是不同自变量对因变量的相对作用大小，可以显示出不同自变量对因变量影响的重要性。

如果用标准化回归系数构建方程，得到的结论是有偏差的，因为此时自变量和因变量的数据都发生了转化，成为了标准化数据，因此标准化回归系数不能用于构建回归方程。

标准化回归系数 VS 每变化1个标准差的回归系数