回归分析第11讲： 回归分析前，到底要不要把变量标准化？

这是一个很容易让人困惑的问题，我们先说结论：

• 回归分析中，标准化不是必须的。
• 但在某些特定场景下，它非常有用，甚至是必须的。

更准确地说：

“要不要标准化”，不是由模型决定，而是由你的研究目的决定。

这一讲我们聊一下变量标准化的三个问题：什么时候不用、什么时候要、什么时候必须要。

【一】为什么说标准化不是必须的？

因为标准化（z-score）只是把数据转成“标准差单位”，即：

它本质是缩放操作，不会改变变量之间的真实关系。

所以，无论对变量是不是进行了标准化处理：

• 回归系数方向（正负） → 不变
• 系数显著性（p 值）→ 不变
• R²、F 检验等 → 基本不变

因此：

标准化不会让你的回归“更正确”，也不会让模型“更显著”。

它唯一改变的，是系数的单位和可比性。

【二】什么时候不需要标准化？（大多数经济学论文都属于这一类）

📌 当你需要解释“经济含义”时，不要标准化。

比如：

• 工资每增加 1 元，消费会增加多少？
• 利率上升 1 个百分点，会影响投资多少？
• 数字化指数增加 1 单位，企业利润是否提高？

这些问题要求你保留原始单位，否则解释就失去意义。

所以：

做普通 OLS 回归、做政策含义、解释经济意义时，不要标准化。

这就是为什么你看到大量顶刊论文都没有用标准化。

【三】什么时候建议标准化？（适合比较影响力）

📌 当你想比较不同变量的影响强弱时，标准化非常有用。

例如：研究什么影响幸福感？

三个变量：

• 收入（单位：元）
• 教育（单位：年）
• 社交频率（1–7分）

三个单位不同，系数大小无法直接比较。

如果你想回答：

“收入、教育、社交，哪个对幸福感影响更大？”

那么必须标准化，否则尺度差异会造成假象：

• 收入数值最大 → 系数往往更大
• 社交频率数值小 → 系数会更小
• 看起来好像收入最重要，但那只是单位不同！

标准化后，它们都以“标准差”为单位：
→ 系数终于可比了。

【四】什么时候必须标准化？

📌 使用带惩罚项的模型（Lasso、Ridge、Elastic Net）时，必须标准化。

例如：用 Lasso 做变量筛选

Lasso 会根据“系数大小”惩罚变量——
但不同变量的尺度本来就不同！

• 收入（0–300000）
• 教育（6–18）

如果你不标准化：

→ Lasso 会认为“收入变量的系数太大”，把它过度惩罚掉
→ 结果出现错误的变量选择

这不是研究问题，而是标准化的问题。

所以：

只要用机器学习类的回归，几乎都要标准化。

【五】总结

• **OLS 回归中，标准化不是必须的。
• **需要解释经济含义时，不需要标准化。
• 需要比较变量重要性或使用 Lasso 时，必须标准化。

可以通过下面表格快速判断

研究目的	要不要标准化？	原因
解释经济含义（如工资、利率、价格）	❌ 不要	单位必须保留
做普通 OLS 回归	❌ 可以不做	不影响显著性或模型结构
比较变量影响力强弱	✔️ 建议做	单位不同无法比较
使用 Lasso / Ridge / Elastic Net	✔️ 必须	惩罚项对尺度敏感
变量尺度差异极大导致数值问题	✔️ 可做	让算法更稳定

最后，提醒一句：

变量标准化后，回归系数和残差的“数值”确实会变化，那只是因为它们跟着变量一起换了单位；但注意，它们本身并没有被额外标准化。

更重要的是：

F 值、t 值、p 值、R² 等统计显著性指标完全不会改变，模型的结论也不会变。