Çoklu doğrusal regresyon katsayısı ve kısmi korelasyon doğrudan bağlanır ve aynı öneme sahiptir (p-değeri). Kısmi r , beta katsayısı (standardize edilmiş regresyon katsayısı) ile birlikte katsayının standardize edilmesinin başka bir yoludur . Bağımlı değişken Yani, eğer ve Bağımsızlar olan ve sonra1yx1x2
Beta:βx1=ryx1−ryx2rx1x21−r2x1x2
Partial r:ryx1.x2=ryx1−ryx2rx1x2(1−r2yx2)(1−r2x1x2)−−−−−−−−−−−−−−−−√
Numaratörlerin aynı olduğunu görüyorsunuz, her iki formül de aynı benzersiz etkisini ölçüyor . İki formülün yapısal olarak nasıl aynı olduğunu ve nasıl olmadığını açıklamaya çalışacağım.x1
Her üç değişkenin de z standardize edildiğini (ortalama 0, varyans 1) varsayalım . Pay daha sonra iki tür arasında kovaryans eşittir artıklar : tahmin sol (a) 'artıkları ile [standart, her iki değişken] ve tahmin kalan (b)' artıkları ile [standart, her iki değişken]. Dahası, artıkların varyansı (a) ; Artıkların (b) varyansı .yx2x1x21−r2yx21−r2x1x2
Formülü kısmi ilişki daha sonra açık bir şekilde, düz, Pearson formülünü görünür Pearson: artıklar (a) ve artıklar (b) arasındaki bu durumda hesaplanan, , bildiğimiz kovaryans geometrik ortalaması olmaktadır payda bölünür, iki farklı varyans.rr
Standardize edilmiş katsayısı beta yapısal olarak Pearson , sadece payda kendi benliğindeki bir varyansın geometrik ortalamasıdır . Artıkların varyansı (a) sayılmamıştır; artıkların varyansının ikinci sayımıyla değiştirildi (b). Böylece Beta, iki kalıntının kovaryansı, birinin birinin varyansına bağlı olarak belirlenir (özellikle, ilgi belirleyen kişi, ). Kısmi korelasyon, daha önce farkedildiği gibi, aynı kovaryansın hibrit varyanslarına göre aynı olmasıdır . Her iki katsayı türü, etkisini diğer tahmincilerin ortamında standart hale yollarıdır .rx1x1
Farklılığın bazı sayısal sonuçları. Çoklu regresyonunun R-kare ise ile ve 1 olması umulur sonra bağımlı olan belirleyicilerinin her iki kısmi korelasyonlar 1 mutlak değeri olacaktır (ancak, betalar genellikle 1 olmayacaktır). Aslında, daha önce de belirtildiği gibi, , artıkları ve artıkları arasındaki . Eğer neyi değildir içinde edilir tam olarak neyi değildir içinde sonra içinde bir şey yok ne olduğunu ne deyx1x2ryx1.x2y <- x2
x1 <- x2
x2y x2x1yx1x2 : tam oturması. Açıklanamayan (göre miktarı ne olursa olsun, bir sol) kısım ( bu bağımsız kısmı tarafından nispeten yüksek yakalanır ise), ile ( ), yüksek olacaktır. , diğer taraftan, yüksek sadece olmak ele açıklanamayan kısmı şartıyla olacak kendisinin önemli bir kısmı olan .x2y1−r2yx2x11−r2x1x2ryx1.x2βx1yy
Yukarıdaki formüllerden bir tanesi (ve 2-öngörücülü regresyondan, rasgele sayıdaki tahmincisi olan bir regresyona uzanan ), beta ve karşılık gelen kısmi r arasındaki dönüşüm formülünü elde eder:x1,x2,x3,...
ryx1.X=βx1var(ex1←X)var(ey←X)−−−−−−−−−−√,
nerede akımı (dışındaki tüm belirleyicileri toplanması anlamına ); regresyon denklemi artıklar olan ile ve regresyon denklemi artıklar olan göre , bu regresyon onları içeri hem de değişken standart .Xx1 y X e x 1 ← Xey←XyXex1←Xx1X
Not: kısmi korelasyonlarını her bir tahmincisi ile hesaplamamız gerekirse, genellikle iki ek regresyon yapılması gereken bu formülü kullanmayacağız. Aksine, tarama işlemleri (genellikle adım adım ve tüm alt kümeler regresyon algoritmalarında kullanılır) yapılacak veya görüntü karşıtı korelasyon matrisi hesaplanacaktır.yx
1 βx1=bx1σx1σy , ham ve standartlaştırılmış katsayıları ile regresyon arasındaki ilişkidir .bβ