ทั่วไปกำลังสองน้อยที่สุด: จากสัมประสิทธิ์การถดถอยถึงสัมประสิทธิ์สหสัมพันธ์?


10

อย่างน้อยกำลังสองที่มีตัวทำนายหนึ่งตัว:

Y=βx+ε

หากและเป็นมาตรฐานก่อนการประกอบ (เช่น ) ดังนั้น:y N ( 0 , 1 )xY~ยังไม่มีข้อความ(0,1)

  • rβ RR
  • x = β y + ϵβเหมือนกันในการถดถอยที่สะท้อน:x=βY+ε

สำหรับทั่วไปกำลังสองน้อยที่สุด (GLS), เดียวกันนำไปใช้? คือถ้าฉันสร้างมาตรฐานข้อมูลของฉันฉันจะได้ค่าสัมประสิทธิ์สหสัมพันธ์โดยตรงจากค่าสัมประสิทธิ์การถดถอยหรือไม่?

จากการทดสอบกับข้อมูล GLS ที่สะท้อนจะนำไปสู่ค่าสัมประสิทธิ์แตกต่างกันและฉันไม่แน่ใจว่าฉันเชื่อว่าค่าสัมประสิทธิ์การถดถอยนั้นสอดคล้องกับค่าที่ฉันคาดหวังสำหรับค่าสหสัมพันธ์ ฉันรู้ว่าผู้คนอ้างถึงค่าสัมประสิทธิ์สหสัมพันธ์ของ GLS ดังนั้นฉันจึงสงสัยว่าพวกเขามาถึงพวกเขาได้อย่างไรและด้วยเหตุนี้พวกเขาหมายถึงอะไรจริง ๆ ?β

คำตอบ:


4

คำตอบคือใช่สัมประสิทธิ์การถดถอยเชิงเส้นคือความสัมพันธ์ของตัวทำนายที่มีการตอบสนองแต่ถ้าคุณใช้ระบบพิกัดที่ถูกต้องเท่านั้น

เพื่อดูสิ่งที่ผมหมายถึงการเรียกคืนว่าถ้าและเป็นศูนย์กลางและมาตรฐานแล้วความสัมพันธ์ระหว่างแต่ละและเป็นเพียงสินค้าที่จุดx_iนอกจากนี้วิธีกำลังสองน้อยที่สุดสำหรับการถดถอยเชิงเส้นคือ y x i y x t i yx1,x2,...,xnYxผมYxผมเสื้อY

β=(Xเสื้อX)-1Xเสื้อY

หากเกิดขึ้นเช่นนั้น (เมทริกซ์เอกลักษณ์) จากนั้นXเสื้อX=ผม

β=Xเสื้อY

และเรากู้คืนเวกเตอร์สหสัมพันธ์ มันมักจะน่าสนใจที่จะสร้างปัญหาการถดถอยในแง่ของตัวพยากรณ์ที่ทำให้ด้วยการหาชุดเชิงเส้นตรงที่เหมาะสมของตัวทำนายดั้งเดิมที่ทำให้ความสัมพันธ์นี้เป็นจริง ( หรือเทียบเท่าการเปลี่ยนแปลงเชิงเส้นของพิกัด); ตัวทำนายใหม่เหล่านี้เรียกว่าองค์ประกอบหลักx~ผมX~เสื้อX~=ผม

ดังนั้นโดยรวมตอบคำถามของคุณคือใช่ แต่เฉพาะเมื่อการพยากรณ์ที่มีตัวเองไม่มีความ มิฉะนั้นการแสดงออก

Xเสื้อXβ=Xเสื้อY

แสดงให้เห็นว่า betas จะต้องผสมกันกับความสัมพันธ์ระหว่างตัวทำนายเองเพื่อกู้คืนความสัมพันธ์การตอบสนองของผู้ทำนาย

ในฐานะที่เป็นบันทึกด้านข้างนี้ยังอธิบายว่าเหตุใดผลที่ได้จึงเป็นจริงเสมอสำหรับการถดถอยเชิงเส้นหนึ่งตัวแปร เมื่อเวกเตอร์ตัวทำนายเป็นมาตรฐานแล้ว:x

x0เสื้อx=Σผมxผม=0

โดยที่เป็นเวกเตอร์ดักของทุกอัน ดังนั้นเมทริกซ์ข้อมูล (สองคอลัมน์)จะตอบสนองโดยอัตโนมัติและผลลัพธ์จะตามมาx0XXเสื้อX=ผม

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.