多元回归还是偏相关系数?两者之间的关系


35

我什至不知道这个问题是否有意义,但是多元回归和部分相关之间有什么区别(除了相关性和回归之间的明显区别之外,这不是我的目标)?

我想弄清楚以下几点:
我有两个自变量(,)和一个因变量()。现在,独立变量不再与因变量相关。但是对于给定的当减小时减小。那么,我是否可以通过多元回归或偏相关来分析呢?X 2 ý X 1个 ÿ X 2x1x2yx1 yx2

编辑以希望改善我的问题: 我正在尝试了解多元回归和偏相关之间的区别。所以,当对于给定的减小时降低,是由于的组合效果和上(多重回归),或者它是由于去除的效果(部分相关)?x 1 x 2 x 1 x 2 y x 1yx1x2x1x2yx1


3
您要回答的实质性问题是什么?
gung-恢复莫妮卡

另请参阅非常类似的问题stats.stackexchange.com/q/50156/3277
ttnphns

Answers:


32

多个线性回归系数和偏相关直接相关,并且具有相同的显着性(p值)。部分r只是与β系数(标准化回归系数)一起标准化系数的另一种方法。因此,如果因变量是而独立变量是和则 Ÿ X 1 X 21yx1x2

Beta:βx1=ryx1ryx2rx1x21rx1x22

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

您将看到而分子是该告诉两个公式相同的测量同样的独特效果的。我将尝试解释两个公式在结构上如何相同,以及如何不同。x1

假设您对所有三个变量进行了z标准化(均值0,方差1)。分子然后等于两种残差之间的协方差:(a)通过 [两个变量标准] 预测留下的残差和(b)通过 [两个变量标准] 预测剩下的残差。此外,残差(a)的方差为;残差(b)的方差为。x 2 x 1 x 2 1 r 2 y x 2 1 r 2 x 1 x 2yx2x1x21ryx221rx1x22

为下式的部分相关那么显然出现平原皮尔逊的式,作为残差(a)和残差(B)之间计算在这种情况下:皮尔逊,我们知道,被协方差由是几何平均的分母划分两个不同的差异。[Rrr

标准系数β在结构上与Pearson类似,只是分母是与自身的方差的几何平均值。未计算残差(a)的方差;它由残差方差的第二次计数(b)代替。因此,贝塔值是两个残差相对于其中一个残差的协方差(具体来说,一个与感兴趣的预测变量)。正如已经注意到的,部分相关是相对于其混合方差的相同协方差。两种类型的系数都是标准化在其他预测变量的环境中的影响的方法。x 1 x 1rx1x1

某些数值后果的差异。如果通过和的多元回归的R平方恰好是1,则预测变量与因变量的两个部分相关性也都将是1绝对值(但beta通常不会是1)。确实,如前所述,是的残差与的残差之间的相关性。如果有什么不内究竟什么是不内那么有没有什么内部既不是也不x 1 x 2 r y x 1x 2 x 2 y x 2 x 1 y x 1 x 2 x 2 y 1 - r 2 y x 2 x 1 1 - r 2 x 1 x 2 r y x 1X 2 β X 1个 ÿ ÿyx1x2ryx1.x2y <- x2x1 <- x2x2y x2x1yx1x2:完全适合。如果()中剩余的无法解释的部分(由)的量是多少,如果它被的独立部分(由捕获)相对较高。),则会很高。,在另一方面,将以高仅提供的是捕获的原因不明的部分是本身的实质部分。x2y1ryx22x11rx1x22ryx1.x2βx1yy


从上面的公式中,可以获得(并从2个预测变量回归到具有任意数量的预测变量的回归)beta和相应的部分r之间的转换公式:x1,x2,x3,...

ryx1.X=βx1var(ex1X)var(eyX),

其中代表除当前()以外的所有预测变量的集合;是乘以的残差,是乘以的残差,这两个回归变量都将其标准化Xx1eyXyXex1Xx1X

注意:如果我们需要计算每个预测变量的局部相关性,我们通常将不需要使用此公式进行另外两个回归。相反,将完成扫描操作(通常在逐步和所有子集回归算法中使用)或计算反图像相关矩阵。yx


1 bββx1=bx1σx1σy是原始与采用截距回归的标准系数之间的关系。bβ


谢谢。但是我该如何决定选择哪一个,例如出于问题中所述的目的呢?
user34927

2
显然,您可以自由选择:分子是相同的,因此它们传达信息是相同的。至于您的问题(尚未完全澄清),它似乎与“ r不能为0时可以表示系数为0”有关。“当r为0 时,可以表示系数不为0”。网站上对此有很多疑问。例如,您可以阅读stats.stackexchange.com/q/14234/3277 ; stats.stackexchange.com/q/44279/3277
ttnphns 2013年

我想澄清我的问题..
user34927

固定X1(“给定x1”)=消除(控制)X1的效果。多元回归中没有“组合效应”之类的东西(除非您添加交互X1 * X2)。多元回归的影响具有竞争性。线性回归效应实际上是部分相关。
ttnphns 2013年

1
请稍候,@ 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 removed效果从哪里删除?如果从“ Y”和“ X1”中“删除” X2,则更正。Y和X1之间的关系就是相关。如果仅从X1“删除” X2,则更正。Y和X1之间的关系称为部分(或半部分)相关。是你真的问
ttnphns

0

βx1SSY/SSX1

βx1=ryx1ryx2 rx1x21rx1x22×SSYSSX1,
SSY=i(yiy¯)2SSX1=i(x1ix¯1)2

bβ
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.