Standaardisatie is correctie voor de gebruikte schaalverdeling (door deling door de standaarddeviatie).
De gestandaardiseerde coefficienten zijn verkregen door eerst alle variabelen te standaardiseren (i.e. gemiddelde er vanaf trekken, en dan delen door de standaarddeviatie), en dan een regressie-analyse uit te voeren. De gestandaardiseerde regressiecoefficienten zijn dus eigenlijk gewoon de ruwe regressiecoefficienten maar dan uit een regressie met gestandaardiseerde variabelen.
Daarom drukken de gestandaardiseerde regressiecoefficienten uit hoeveel standaarddeviaties de afhankelijke variabele toeneemt (of, als de regressiecoefficient negatief is, afneemt) als de betreffende voorspeller met 1 standaarddeviatie toeneemt.
Als alle gestandaardiseerde regressiecoefficienten gelijk zijn aan alle ruwe regressiecoefficienten (zoals hier), dan heeft het delen door de standaarddeviatie dus geen effect gehad. Een toename in attitude van 1 (op de schaal waarop attitude is gemeten) betekent een toename in de afhankelijke variabele van 0.28; en een toename in attitude van 1 standaarddeviatie betekent een toename in de afhankelijke variabele van 0.30.
Die 0.28 en 0.30 kunnen we als gelijk beschouwen: beiden hebben immers betrouwbaarheidsintervallen; beiden zijn schattingen uit 'ruizige' steekproeven. Hetzelfde patroon zie je bij de andere variabelen: daar zijn de gestandaardiseerde coefficienten ook allemaal gelijk aan de ruwe coefficienten.
Oftewel, voor elke voorspeller geldt dat als deze toeneemt met 1 op de gebruikte schaal, dat de toename in de afhankelijke variabele dan gelijk is aan het aantal standaarddeviaties dat de afhankelijke variabele toeneemt als die voorspeller toeneemt met 1 standaarddeviatie.
Of je corrigeert voor de gebruikte schaalverdelingen maakt dus niet uit: en dat kan alleen als die gebruikte schaalverdelingen overal hetzelfde zijn. Oftewel, als de standaarddeviaties van alle variabelen hetzelfde zijn. Als die niet hetzelfde zijn zou na corrrectie voor schaalverdeling de regressiecoefficient anders moeten zijn.