在R中从校正后的GLM生成标准化Beta系数的报错问题

问题说明 #

你运行单变量Logistic回归时，因变量Group为因子型（取值"patients"/"controls"），自变量x为数值型，原代码存在笔误（公式里的x = mod应为x），正确拟合代码应为：

glmmodel <- glm(Group ~ x, family = binomial, data = df)

你尝试用lm.beta()、beta()、quantpsych包的lm.beta()获取标准化Beta系数均报错，原因是这些函数仅支持线性回归（lm对象），无法兼容Logistic回归的glm对象。

可行解决方案 #

方案一：手动标准化自变量后重新拟合 #

对数值型自变量做z-score标准化（(x-均值)/标准差），再用标准化后的变量拟合模型，此时输出的系数就是标准化Beta系数：

# 对自变量x做标准化
df$x_std <- scale(df$x)
# 拟合标准化后的Logistic回归
glm_std <- glm(Group ~ x_std, family = binomial, data = df)
# 查看标准化系数
summary(glm_std)

注：Logistic回归的因变量是分类变量，无需标准化，仅处理自变量即可。

方案二：用effectsize包自动计算 #

effectsize包支持对glm模型直接计算标准化系数，原理是自动标准化自变量后重新拟合模型：

# 安装并加载包
install.packages("effectsize")
library(effectsize)
# 计算已拟合模型的标准化系数
std_coef <- standardize(glmmodel, method = "refit")
# 输出结果
print(std_coef)

内容的提问来源于stack exchange，提问作者bobosein