当A和B是正相关的变量时,它们是否会对结果变量C产生相反的影响?


Answers:


43

其他答案确实很棒-它们提供了现实生活中的例子。

我想解释为什么尽管我们凭直觉却会发生这种情况。

看到几何

相关是矢量之间的角度的余弦值。本质上,您是在问是否有可能

  • 一种 B锐角相关)
  • C锐角相关)C
  • 一种 C钝角相关)C

当然是:

在此处输入图片说明

在此示例中(ρ表示相关性):

  • 一种=0.60.8
  • =1个0
  • C=0.6-0.8
  • ρ一种=0.6>0
  • ρC=0.6>0
  • ρ一种C=-0.28<0

您的直觉是对的!

但是,您的惊喜不会放错地方。

向量之间的角度是单位球面上的距离度量,因此可以满足三角形不等式:

一种一种C+C

因此,由于cos一种=ρ一种

arccosρ(A,B)arccosρ(AC+arccosρC

因此(因为cos减小[0π]

ρ一种ρ一种C×ρC-1个-ρ2一种C×1个-ρ2C

所以,

  • 如果ρ一种C=ρC=0.9,则ρ一种0.62
  • 如果ρ一种C=ρC=0.95,则ρ(A,B)0.805
  • 如果ρ(A,C)=ρ(B,C)=0.99,则ρ(A,B)0.9602

32

是的,两种同时发生的情况可能产生相反的效果。

例如:

  • 做出离谱的陈述(A)与娱乐(B)正相关。
  • 做出残酷的言论(A)对赢得选举(C)有负面影响。
  • 娱乐性(B)对赢得选举(C)有积极影响。

20
我们有最好的答案。最好的。大家都这么说。
马修·德鲁里

1
尽管我同意这种政治观点,但我认为使用此站点上的答案作为无关紧要的政治观点的手段是一种不好的形式。
Kodiologist '16

14
@Kodiologist这个答案对任何候选人或任何问题都没有立场。这使得相当不显眼的(恕我直言)的观察结果是:(1)娱乐性候选人具有优势(例如罗纳德·里根(Ronald Reagan),比尔·克林顿(Bill Clinton),威利·布朗(Willie Brown))和(2)极富挑衅性的言论往往对他们的帮助大于伤害(这就是为什么政治人物往往不会做出此类声明)。如果这不是一个有趣的区域,我可以把它记下来,但是我认为我写的内容是良性和无争议的。
马修·冈恩

19
我在答案中没有看到任何直接的政治参考。可能有一个隐含的参考,但我认为这不会以任何方式影响答案的有效性或适用性。
Glen_b-恢复莫妮卡

28

我听说过这种汽车类比,非常适用于以下问题:

  • 上坡驾驶(A)与驾驶员踩汽油(B)成正相关
  • 上坡驾驶(A)对车速(C)有负面影响
  • 踩汽油(B)对车速(C)有积极影响

此处的关键是驾驶员保持恒定速度(C)的意图,因此,A和B之间的正相关性自然就是该意图。您可以以此关系构造A,B,C的无尽示例。

类比来自对米尔顿·弗里德曼Milton Friedman)的恒温器的解释,来自对货币政策和计量经济学的有趣分析,但这与问题无关。


2
很好的例子。但是,我不确定您是否使用术语“正相关”和“负相关”作为统计关系(例如,相关性),我想这就是op的意思。
Lior Kogan'8

8

是的,通过仿真可以很轻松地进行演示:

模拟两个正相关的变量A和B:

> require(MASS)
> set.seed(1)
> Sigma <- matrix(c(10,3,3,2),2,2)
> dt <- data.frame(mvrnorm(n = 1000, rep(0, 2), Sigma))
> names(dt) <- c("A","B")
> cor(dt)

          A         B
A 1.0000000 0.6707593
B 0.6707593 1.0000000

创建变量C:

> dt$C <- dt$A - dt$B + rnorm(1000,0,5)

看哪:

> (lm(C~A+B,data=dt))

Coefficients:
(Intercept)            A            B  
    0.03248      0.98587     -1.05113  

cor(A,B)>0cor(A,C)>0cor(B,C)<0

> set.seed(1)
> Sigma <- matrix(c(1,0.5,0.5,0.5,1,-0.5,0.5,-0.5,1),3,3)
> dt <- data.frame(mvrnorm(n = 1000, rep(0,3), Sigma, empirical=TRUE))
> names(dt) <- c("A","B","C")
> cor(dt)
    A    B    C
A 1.0  0.5  0.5
B 0.5  1.0 -0.5
C 0.5 -0.5  1.0

我认为这是更好看cor(C, A)cor(C, B)lm(C ~ A + B)这里。我们感兴趣的是,例如,A和C的不受控制的关系,而不是B的控制关系
。– Kodiologist

@Kodiologist OP在他们的评论中说,上下文是SEM,我认为这意味着线性回归。
罗伯特·朗

@Kodiologist查看我的答案的更新:)
罗伯特·朗

0

C=+ñ一种-p[RØĴ一种

C一种=一种+ñ一种一种-ñ一种

然后,在两个条件下,C和A之间的协方差可能为负:

  1. ñ> 一种一种<一种ñ-/ñ
  2. ñ<- 一种一种>一种ñ-/ñ
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.