Hồi quy bội hay hệ số tương quan một phần? Và quan hệ giữa hai người


35

Tôi thậm chí không biết câu hỏi này có ý nghĩa gì không, nhưng sự khác biệt giữa hồi quy bội và tương quan một phần (ngoài sự khác biệt rõ ràng giữa tương quan và hồi quy, đó không phải là điều tôi đang hướng tới)?

Tôi muốn tìm hiểu như sau:
Tôi có hai biến độc lập ( x1 , x2 ) và một biến phụ thuộc ( y ). Bây giờ riêng lẻ các biến độc lập không tương quan với biến phụ thuộc. Nhưng với x1 y giảm khi x2 giảm. Vì vậy, tôi phân tích rằng bằng phương pháp hồi quy bội hoặc tương quan một phần ?

chỉnh sửa để hy vọng cải thiện câu hỏi của tôi: Tôi đang cố gắng hiểu sự khác biệt giữa hồi quy bội và tương quan một phần. Vì vậy, khi y giảm cho x1 khi x2 giảm, đó có phải là do hiệu ứng kết hợp của x1x2 trên y (hồi quy bội) hay là do loại bỏ ảnh hưởng của x1 (tương quan một phần)?


3
Câu hỏi thực chất bạn đang cố gắng trả lời là gì?
gung - Phục hồi Monica

Xem thêm số liệu thống kê câu hỏi tương tự.stackexchange.com / q / 50156/32777 .
ttnphns

Câu trả lời:


32

Nhiều hệ số hồi quy tuyến tính và tương quan một phần được liên kết trực tiếp và có cùng tầm quan trọng (giá trị p). Một phần r chỉ là một cách khác để chuẩn hóa hệ số, cùng với hệ số beta (hệ số hồi quy chuẩn hóa) 1 . Vì vậy, nếu biến phụ thuộc là y và độc lập là x 1x 2 thì1yx1x2

Beta:βx1=ryx1ryx2rx1x21rx1x22

Partial r:ryx1.x2=ryx1ryx2rx1x2(1ryx22)(1rx1x22)

Bạn thấy rằng các tử số là như nhau cho biết cả hai công thức đều đo cùng một hiệu ứng duy nhất của . Tôi sẽ cố gắng giải thích làm thế nào hai công thức giống nhau về cấu trúc và làm thế nào chúng không.x1

Giả sử rằng bạn có tiêu chuẩn z (trung bình 0, phương sai 1) cả ba biến. Tử số sau đó là bằng với hiệp phương sai giữa hai loại : (a) dư còn lại trong dự đoán bởi x 2 [cả hai biến chuẩn] và (b) dư còn lại trong dự đoán x 1 bởi x 2 [cả hai biến chuẩn] . Hơn nữa, phương sai của phần dư (a) là 1 - r 2 y x 2 ; phương sai của phần dư (b) là 1 - r 2 x 1 x 2 .yx2x1x21ryx221rx1x22

Công thức cho tương quan một phần sau đó xuất hiện rõ ràng công thức của Pearson , như được tính trong trường hợp này giữa phần dư (a) và phần dư (b): Pearson r , chúng ta biết, là hiệp phương sai được chia cho mẫu số là trung bình hình học của hai phương sai khác nhau.rr

Beta hệ số chuẩn hóa có cấu trúc giống như Pearson , chỉ có mẫu số là giá trị trung bình hình học của phương sai với chính mình . Phương sai của phần dư (a) không được tính; nó đã được thay thế bằng cách đếm thứ hai của phương sai của phần dư (b). Do đó, Beta là hiệp phương sai của hai phần dư so với phương sai của một trong số chúng (cụ thể là phần tử liên quan đến yếu tố dự đoán lợi ích, x 1 ). Trong khi tương quan một phần, như đã nhận thấy, là cùng một hiệp phương sai tương đối phương sai lai của chúng . Cả hai loại hệ số là cách để tiêu chuẩn hóa hiệu ứng của x 1 trong môi trường của các yếu tố dự đoán khác.rx1x1

Một số hậu quả số của sự khác biệt. Nếu bình phương R của hồi quy bội của theo x 1x 2 xảy ra là 1 thì cả hai tương quan một phần của các yếu tố dự đoán với phụ thuộc cũng sẽ là 1 giá trị tuyệt đối (nhưng nhìn chung betas sẽ không phải là 1). Thật vậy, như đã nói trước đây, r y x 1 . x 2 là mối tương quan giữa phần dư của và phần dư của . Nếu những gì không phải là x 2 trong y thì chính xác là những gì không phải là x 2 trong x 1yx1x2ryx1.x2y <- x2x1 <- x2x2y x2x1thì không có gì trong cả x 1 hay x 2 : hoàn toàn phù hợp. Số phần của phần không giải thích được (bằng x 2 ) còn lại trong y (phần 1 - r 2 y x 2 ) là bao nhiêu, nếu phần này được thu tương đối cao bởi phần độc lập của x 1 (bởi phần 1 - r 2 x 1 x 2 ), r y x 1 . x 2 sẽ cao. β x 1yx1x2x2y1ryx22x11rx1x22ryx1.x2βx1mặt khác, sẽ chỉ cao với điều kiện là phần bị bắt không giải thích được của tự nó là một phần đáng kể của y .yy


Từ các công thức trên một thu được (và kéo dài từ hồi quy 2 dự đoán đến một hồi quy với số lượng tùy ý các nhân tố ảnh ) Công thức chuyển đổi giữa phiên bản beta và tương ứng với r phần:x1,x2,x3,...

ryx1.X=βx1var(ex1X)var(eyX),

Trong đó là viết tắt của tập hợp tất cả các yếu tố dự đoán ngoại trừ dòng điện ( x 1 ); e y X là phần dư từ hồi quy y theo Xe x 1X là phần dư từ hồi quy x 1 của X , các biến trong cả hai hồi quy này đều được chuẩn hóa .Xx1eyXyXex1Xx1X

Lưu ý: nếu chúng ta cần tính toán tương quan một phần của với mọi yếu tố dự đoán x, chúng ta thường sẽ không sử dụng công thức này để thực hiện hai hồi quy bổ sung. Thay vào đó, các hoạt động quét (thường được sử dụng theo từng bước và tất cả các thuật toán hồi quy tập hợp con) sẽ được thực hiện hoặc ma trận tương quan chống ảnh sẽ được tính toán.yx


β x 1 = b x 1 σ x 11 là mối quan hệ giữa các nguyênbvà chuẩnβhệ số hồi quy trong với đánh chặn.βx1=bx1σx1σybβ


Cảm ơn bạn. Nhưng làm thế nào để tôi quyết định đi theo cái nào, ví dụ cho mục đích được mô tả trong câu hỏi của tôi?
dùng34927

2
Rõ ràng, bạn có thể tự do lựa chọn: các tử số giống nhau, vì vậy chúng truyền tải cùng một thông tin. Đối với câu hỏi (chưa được làm rõ hoàn toàn) của bạn, có vẻ như là về các chủ đề "có thể lấy lại số 0 bằng 0 khi r không 0"; "có thể lấy lại giá trị không phải là 0 khi r bằng 0". Có rất nhiều câu hỏi về điều đó trên trang web. Ví dụ: bạn có thể đọc stats.stackexchange.com/q/14234/3277 ; thống kê.stackexchange.com / q / 47979/3277 .
ttnphns

Tôi đã cố gắng làm rõ câu hỏi của mình ..
user34927

Sửa X1 ("x1 đã cho") = loại bỏ (kiểm soát) hiệu ứng của X1. Không có thứ gọi là "hiệu ứng kết hợp" trong hồi quy bội (trừ khi bạn thêm tương tác X1 * X2). Hiệu ứng trong hồi quy multuple là cạnh tranh. Hiệu ứng hồi quy tuyến tính thực sự là tương quan một phần.
ttnphns 17/11/13

1
Đợi một chút, @ user34927. to prove that the DV (Y) is significantly correlated with one of two IVs (X1) if the effect of the other IV (X2) is removedHiệu ứng loại bỏ từ đâu ? Nếu bạn "xóa" X2 khỏi cả Y và X1 thì đúng. giữa Y và X1 là tương quan một phần . Nếu bạn "loại bỏ" X2 khỏi X1 thì đúng. giữa Y và X1 được gọi là tương quan một phần (hoặc bán một phần). Bạn đã thực sự hỏi về ?
ttnphns

0

Chỉ tình cờ gặp phải bước đi này. Trong câu trả lời ban đầu, trong công thức cho yếu tố βx1 bị thiếu, đó là β x 1 = r y x 1 - r y x 2 r x 1 x 2SSY/SSX1 nơiSSY=Σi

βx1=ryx1ryx2 rx1x21rx1x22×SSYSSX1,
S S X 1 = i ( x 1 i - ˉ x 1 ) 2 .SSY=i(yiy¯)2SSX1=i(x1ix¯1)2

Bạn đang đưa ra công thức của . Câu trả lời của tôi là về β . bβ
ttnphns
Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.