此前介绍了在线性回归模型中不同变量效应大小的比较方法，在Logit、Ologit概率模型中， beta选项不能使用，在此介绍概率模型中的输出标准化系数的方法

标准化系数是什么？

标准化系数是指将数据标准化后计算得到的回归系数。数据进行了标准化后可以取消不同变量量纲的影响 为了比较模型中不同变量效应的大小，需要进行标准化处理。例如：足球比赛中，比较射门、罚球点球对积分的影响效应大小，自变量：射门、罚球点球；因变量：比赛结果。根据回归系数可知自变量每增加一个单位，引起的对因变量的影响大小，但两者相比，谁的影响更大则需要进行标准化处理

注：数据为足球技战术指标（因变量：比赛结果（Mdf,胜3、平2、负1；Mdf1,不败1、负0）；自变量：射门shoot、罚球点球dq）；数据、模型结果为举例说明，不代表真实情况。

方法一：标准化变量再回归

（注：仅适用于ologit模型，logit模型不适用）

将原始的变量转化成无量纲的标准化数据，使得回归后的系数具有可比性

第一步 对变量进行标准化处理

*成新变量t_Mdf、t_shoot、t_dq

egen t_Mdf=std(Mdf) //变量标准化
egen t_shoot=std(shoot) //变量标准化
egen t_dq=std(dq) //变量标准化

第二步 对标准化后的数据进行拟合

ologit t_Mdf t_shoot t_dq ,nolog //输出结果为标准化后的系数

     

方法二：使用listcofe命令

（注：仅适用于logit模型，ologit模型不适用）

第一步 回归

logit Mdf1 shoot dq,nolog //

     

第二步 输出标准化系数

listcoef ,std help //

     

注：logit、ologit模型是概率模型，一般结合回归系数方向和OR值来解释模型的，比较不同变量的效应大小后注意多种方法结合使用以解读模型