如果线性回归与Pearson的相关性相关,那么是否有与Kendall和Spearman的相关性相关的回归技术?


27

也许这个问题很幼稚,但是:

如果线性回归与Pearson相关系数密切相关,那么是否有任何与Kendall和Spearman相关系数紧密相关的回归技术?


3
作为一个简单的示例,其中有一个解释变量和一个因变量:xy等级的线性回归将得出Spearman相关系数作为回归系数。在这种情况下,xy在回归中可以互换。XÿXÿ
COOLSerdash

2
只是一些想法。肯德尔的和斯皮尔曼的ρ都是基于等级的相关系数。因此,xy之间寻求的关系将需要涉及它们的等级。但是,计算等级会引入观测值之间的依赖关系,从而在误差项之间施加依赖关系,从而消除了线性回归。然而,在不同的设置,造型之间的依赖性结构Xÿ与连接函数将使与Kendall的一个链路τ和/或斯皮尔曼ρ可能的,取决于连接函数的选择。τρXÿXÿτρ
QuantIbex

1
@QuantIbex这是否依赖必然意味着Ë[ε一世εĴ]0
Shadowtalker

Answers:


21

有一种非常简单的方法,可以使用几乎所有相关度量来拟合线性回归,并且在使用Pearson相关时可以再现最小二乘。

考虑,如果关系的斜率是之间的相关性ÿ - β XX应当预期为0βÿ-βXX0

事实上,如果它是任何其他,有会是一些未捕获的线性关系-这是什么相关措施将有所回升。0

因此,我们可以估算的斜率通过找到斜率,使样本之间的相关性ý - β XX0。在许多情况下(例如,使用基于等级的度量时),相关性将是斜率估计值的阶跃函数,因此可能存在一个零间隔。在那种情况下,我们通常将样本估计值定义为间隔的中心。通常,阶跃函数会在某个点从零以上跳到零以下,在这种情况下,估算值就在该跳变点处。βÿ-βXX0

例如,此定义适用于所有基于等级和稳健相关的方式。它也可以用来获得斜率的间隔(通常的方式-通过找到标记正相关和正相关之间边界的斜率)。

当然,这仅定义了斜率;一旦斜率估计,截距可以基于合适的位置估计计算上的残差。对于基于排名的相关性,中位数是一个常见选择,但还有许多其他合适的选择。ÿ-βX

这是针对carR中数据的斜率绘制的相关性:

在此处输入图片说明

Pearson相关在最小平方斜率3.932
处与0交叉。Kendall 相关在Theil-Sen斜率3.667处
与0交叉。

这些是我们示例的三个斜率估计。现在我们需要拦截。为简单起见,我将仅对第一个截距使用均值残差,对其他两个截距使用中值(在这种情况下无关紧要):

           intercept
 Pearson:  -17.573 *     
 Kendall:  -15.667
 Spearman: -16.285

*(与最小二乘方的微小差异是由于斜率估计中的舍入误差;其他估计中无疑也存在类似的舍入误差)

相应的拟合线(使用与上述相同的配色方案)是:

在此处输入图片说明

编辑:通过比较,象限相关斜率是3.333

与最小二乘法相比,Kendall相关斜率和Spearman相关斜率对有影响的异常值的鲁棒性都强得多。参见此处,了解有关Kendall的一个生动示例。


(+1)很好的解释!在这种情况下,是否有任何理由使Kendall似乎比Spearman更受青睐(至少从Kendall相关性对应于名称为Theil-Sen的斜率估计量这一事实来看,而Spearman却没有)?
变形虫说恢复莫妮卡2014年

4
造成这种情况的原因有很多。首先,Theil-Sen线具有一个简单描述的估算器(成对斜率的中位数),而Spearman则缺乏。在小样本中,它非常适合手动计算。肯德尔(Kendall)相关更快地接近正态性,并且在数学上更易于处理。另请参阅此处此处
Glen_b-恢复莫妮卡2014年

20

Xÿÿ

χ2

PO模型是更广泛的累积概率(某些称为累积链接)模型族的特例,包括概率,比例风险和互补对数-对数模型。有关案例研究,请参阅我的讲义第15章。


4

Aaron Han(1987年,计量经济学)提出了最大秩相关估计器,该模型通过使tau最大化来拟合回归模型。Dougherty和Thomas(2012年在心理学文献中)最近提出了一种非常相似的算法。在MRC上有大量工作可以说明其特性。

Aaron K. Han,广义回归模型的非参数分析:最大秩相关估计器,《计量经济学杂志》,第35卷,第2-3期,1987年7月,第303-316页,ISSN 0304-4076,http:// dx.doi.org/10.1016/0304-4076(87)90030-3。(http://www.sciencedirect.com/science/article/pii/0304407687900303

Dougherty,MR和Thomas,RP(2012)。非线性世界中的稳健决策。心理评论,119(2),321。取自http://damlab.umd.edu/pdf%20articles/DoughertyThomas2012Rev.pdf

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.