タグ付けされた質問 「partial-correlation」

この質問が理にかなっているかさえわかりませんが、重回帰と偏相関の違いは何ですか（相関と回帰の明らかな違いは別として、私が目指しているものではありません）？ 次のことを理解したいと 思います。2つの独立変数（、）と1つの従属変数（）があります。現在、個別の独立変数は従属変数と相関していません。ただし、が減少すると、所定の減少します。だから私は重回帰または偏相関によってそれを分析しますか？バツ1x1x_1バツ2x2x_2yyyバツ1x1x_1 yyyバツ2x2x_2 うまくいけば私の質問を改善するために編集します。 私は重回帰と偏相関の違いを理解しようとしています。ときに、与えられたために減少減少、すなわちの複合効果によるものでおよびに（重回帰）またはそれが原因の影響の除去である（部分的な相関）を？yyyバツ1x1x_1バツ2x2x_2バツ1x1x_1バツ2x2x_2yyyバツ1x1x_1

35 multiple-regression  regression-coefficients  partial-correlation 

ランダム変数間の偏相関は、共分散行列を反転し、そのような結果の精度行列から適切なセルを取得することで見つけることができると聞きました（この事実は http://en.wikipedia.org/wiki/Partial_correlationにいますが、証拠はありません） 。 これはなぜですか？

32 covariance  covariance-matrix  linear-algebra  partial-correlation  matrix-inverse 

次のような記事で参照を見つけました。 Tabachnick＆Fidell（1996）によれば、0.70を超える二変量相関を持つ独立変数は重回帰分析に含まれるべきではありません。 問題：重回帰設計で使用した3つ以上の変数は.80以上、VIFは約.2-.3、許容値〜4〜5です。それらのいずれも除外できません（重要な予測変数と結果）。.80で相関した2つの予測子の結果を回帰すると、それらは両方とも有意なままであり、それぞれが重要な分散を予測し、これらの同じ2つの変数は、含まれる10個の変数の中で最大の部分と半部分の相関係数を持ちます（5つのコントロール）。 質問：相関が高いにもかかわらず、私のモデルは有効ですか？参考文献は大歓迎です！ 答えてくれてありがとう！ ガイドラインとしてTabachnickとFidellを使用しませんでした。予測子間の高い共線性を扱う記事でこの参照を見つけました。 したがって、基本的に、モデル内の予測子の数に対してケースが少なすぎます（多くのカテゴリカル、ダミーのコード化制御変数-年齢、在職期間、性別など）-72ケースの13変数。条件インデックスは、すべてのコントロールが含まれる場合は〜29、コントロールが含まれない場合は〜23（5変数）です。 理論的には独自の意味を持つため、変数を削除したり、要因分析を使用してそれらを結合することはできません。より多くのデータを取得するには遅すぎます。SPSSで分析を行っているので、おそらく、リッジ回帰の構文を見つけるのが最善でしょう（ただし、これを以前に行ったことはなく、結果の解釈は私にとっては新しいものです）。 問題があれば、段階的回帰を行ったときに、同じ2つの相関の高い変数が結果の単一の重要な予測因子のままでした。 そして、これらの各変数の高い部分相関が、モデルに保持されている理由の説明として重要であるかどうかはまだわかりません（リッジ回帰が実行できない場合）。 「回帰診断：影響力のあるデータと共線性の原因を特定する/ David A. Belsley、Edwin Kuh、Roy E. Welsch、1980」は多重共線性を理解するのに役立ちますか？または、他の参照が役立つでしょうか？

18 correlation  multiple-regression  multicollinearity  partial-correlation 

時系列データからACFとPACFをプロットするコードを作成したい。このように、minitab（下）からプロットを生成しました。 数式を検索しようとしましたが、まだよくわかりません。 式とその使用方法を教えてください。 上記のACFおよびPACFプロットの水平の赤い線は何ですか？式は何ですか？ ありがとうございました、

18 correlation  data-visualization  autocorrelation  partial-correlation 

2つの変数間の条件付き相関が「部分」相関と呼ばれ、それらの間の単純な相関（他の変数で条件付けされていない場合）が「限界」相関と呼ばれる理由について誰かが知っていますか？「部分的」および「限界的」という言葉の背後にある直観は何ですか？彼らは「パーツ」や「マージン」をどのように扱いますか？ これらの概念をよりよく理解するには、答えを学ぶのが良いでしょう。

12 correlation  terminology  marginal  partial-correlation 

ウィキペディアから 正式には、間の部分相関との組所与制御変数、書き込ま、残差の間の相関である及び起因しますとおよびと線形回帰。XXXYYYnnnZ={Z1,Z2,…,Zn}Z={Z1,Z2,…,Zn}Z = \{Z_1, Z_2, …, Z_n\}ρXY⋅ZρXY·Zρ_{XY·Z}RXRXRXRYRYRYXXXZZZYYYZZZ それは以前に言う 偏相関は、2つの確率変数間の関連の度合いを測定し、一連の制御確率変数の効果を削除します。 部分相関ρXY⋅ZρXY·Zρ_{XY·Z}が、Zを条件とするXXXとYYY間の相関にどのように関係しているのかと思っていましたか？ZZZ n=1n=1n=1は特別なケースがあります。 実際、一次部分相関（つまり、n=1n=1n=1場合）は、相関と、除去可能な相関の疎外係数の積で除算した除去可能な相関の積との差に他なりません。疎外係数、および相関を介した共同分散との関係は、ギルフォード（1973、pp。344–345）で利用できます。 上記を数学的にどのように書き留めるか疑問に思いましたか？

9 correlation  partial-correlation  conditioning 

たとえば、は、共分散確率変数です。定義により、共分散行列のエントリは共分散です： また、精度エントリは次の条件を満たすことが知られています： ここで、右側はと他のすべての変数を条件とする共分散です。X∈RnX∈RnX \in \mathbb{R}^nΣ∈Rn×nΣ∈Rn×n\Sigma \in \mathbb{R}^{n\times n}Σij=Cov(Xi,Xj).Σij=Cov(Xi,Xj). \Sigma_{ij} = Cov( X_i,X_j). Σ−1Σ−1\Sigma^{-1}Σ−1ij=Cov(Xi,Xj|{Xk}nk=1∖Xi,Xj}),Σij−1=Cov(Xi,Xj|{Xk}k=1n∖Xi,Xj}), \Sigma^{-1}_{ij} = Cov(X_i,X_j| \{X_k\}_{k=1}^n \backslash X_i,X_j\}), XiXiX_iXjXjX_j または平方根のエントリに対する統計的解釈はありますか？正方行列平方根とは、ような行列を意味します。上記の行列の固有値分解は、私が見る限り、そのようなエントリごとの解釈を与えません。ΣΣ\SigmaΣ−1Σ−1\Sigma^{-1}AAAMMMMtM=AMtM=AM^tM = A

8 interpretation  covariance  covariance-matrix  partial-correlation  precision