R简单线性回归中如何重缩放age变量以得到每1/5/10年的β系数

系数解读纠正 #

你当前得到的age系数86.06不是年龄升高0.1年的效应，而是年龄每升高1年对应的结局平均升高值。
原因是你的age变量本身单位为年，比如取值67.1即代表67.1岁，线性回归中自变量的系数默认代表「自变量每升高1个单位时，因变量的平均变化量」，因此原系数对应的就是年龄增长1年的效应。

不同年龄增长跨度的效应获取方法 #

你可以通过两种方式得到1年、5年、10年对应的效应β，二者结果完全一致：

• 方法1：直接换算原系数（无需重新拟合模型）
  线性回归的系数与自变量缩放幅度呈线性相关，直接基于原系数计算即可：
  • 每升高1年的效应：86.06 * 1 = 86.06
  • 每升高5年的效应：86.06 * 5 = 430.3
  • 每升高10年的效应：86.06 * 10 = 860.6
• 方法2：重缩放年龄变量后拟合模型
  如果你希望直接从模型输出中得到对应跨度的系数，可以对age变量做如下转换后重新拟合：

  library(dplyr)
  # 重缩放年龄变量
  mydata <- mydata %>%
    mutate(
      age_1y = age,          # 每单位对应1年增长
      age_5y = age / 5,      # 每单位对应5年增长
      age_10y = age / 10     # 每单位对应10年增长
    )
  # 示例：拟合10年跨度的回归模型
  fit_10y <- lm(continuous_outcome ~ age_10y, data = mydata)
  # 输出的age_10y系数即为年龄每升高10年的效应值
  

注：两种方法得到的效应值、标准误、p值、模型拟合度完全一致，仅系数量纲不同，可根据报告需求灵活选择。

内容的提问来源于stack exchange，提问作者tcvdb1992