在GLMM中使用poly()前是否需对预测变量进行Z分数标准化？

• 核心结论：必须先对var4、var5做Z分数标准化（如果需要对数转换，先执行对数操作再标准化，和你其他变量的处理逻辑保持一致），再传入poly()。

为什么要这么做？ #

1. poly()的内部标准化≠跨变量尺度统一
   poly()默认生成正交多项式，内部确实会对多项式各项做中心化和标准化，但这只是为了消除一次项、二次项之间的共线性，并没有把原始变量的尺度和你模型中已标准化的其他变量对齐。你观察到多项式项的估计值比其他变量大2.5倍，本质就是var4/var5的原始尺度与scaled_log_var1/2、scaled_var3不在同一量级，导致系数无法直接用于比较效应大小。

2. 跨变量系数比较的前提是统一尺度
   生态学研究中通常需要对比不同预测变量对响应变量的相对效应——只有所有预测变量都经过相同的标准化处理（对数+Z分数或直接Z分数），它们的系数才具备可比性。如果多项式变量不标准化，哪怕poly()内部做了正交化，系数量级仍会与其他变量差异显著，无法直接判断不同因子的效应强弱。

修改后的代码示例 #

假设var4/var5无需对数转换（若需要，先执行plants$log_var4 <- log(plants$var4)再做标准化）：

# 先对var4、var5做Z分数标准化
plants$scaled_var4 <- (plants$var4 - mean(plants$var4, na.rm=TRUE)) / sd(plants$var4, na.rm=TRUE)
plants$scaled_var5 <- (plants$var5 - mean(plants$var5, na.rm=TRUE)) / sd(plants$var5, na.rm=TRUE)

# 构建模型
model <- glmmTMB(nspecies ~ 
    scaled_log_var1 + 
    scaled_log_var2 + 
    scaled_var3 +
    poly(scaled_var4, 2) +   # 传入标准化后的变量
    poly(scaled_var5, 2) +   # 传入标准化后的变量
    (1 | region),
    data = plants,
    family = nbinom2)

额外注意事项 #

• 若使用poly(..., raw=TRUE)生成原始非正交多项式，更要提前标准化——原始多项式的一次项与二次项天生共线性极强，标准化能大幅缓解该问题，同时保证系数量级合理。
• 若后续需做预测，标准化时建议使用训练集的均值和标准差以避免数据泄露；仅拟合模型解释效应时，用整个数据集的统计量即可。

内容的提问来源于stack exchange，提问作者msug