Объяснение корреляций |
Здравствуйте, гость ( Вход | Регистрация )
Объяснение корреляций |
10.02.2014 - 21:27
Сообщение
#1
|
|
Группа: Пользователи Сообщений: 125 Регистрация: 2.04.2012 Пользователь №: 23616 |
Что такое линейные корреляции положительные или отрицательные думаю все тут понимают. Давайте возьмем пример: Переменная х положительно коррелирует с переменной у! т.е. чем больше х, тем больше у. Это понятно, но как проанализировать природу этих взаимосвязей. Иными словами какая переменная оказывает большее влияние на другую?
|
|
10.02.2014 - 22:07
Сообщение
#2
|
|
Группа: Пользователи Сообщений: 1091 Регистрация: 26.08.2010 Пользователь №: 22699 |
Что такое линейные корреляции положительные или отрицательные думаю все тут понимают. Давайте возьмем пример: Переменная х положительно коррелирует с переменной у! т.е. чем больше х, тем больше у. Это понятно, но как проанализировать природу этих взаимосвязей. Иными словами какая переменная оказывает большее влияние на другую? а сами то как думаете? (С) если есть какие то предположения о природе связи, то надо рисовать уравнение регрессии в которое будут входит разным способом посторонняя дисперсия и дисперсия независимой переменной без предположений о природе посторонней дисперсии и том какая переменная является независимой никак. конечно можно посчитать все варианты и выбрать "самый вероятный" исходя из каких то соображений. ну например независимость случайных компонентов, вид их распределений и т.п. кроме того: 1) эти переменные надо смотреть глазами обязательно на коррелограмме, поскольку корреляция может быть ложной 2) использовать ещё дополнительные переменные строя например баейеснетворк для которого есть масса тестов определяющих вероятность направления взаимосвязи. Сообщение отредактировал p2004r - 10.02.2014 - 22:28 |
|
10.02.2014 - 23:25
Сообщение
#3
|
|
Группа: Пользователи Сообщений: 1202 Регистрация: 13.01.2008 Из: Челябинск Пользователь №: 4704 |
Что такое линейные корреляции положительные или отрицательные думаю все тут понимают. Давайте возьмем пример: Переменная х положительно коррелирует с переменной у! т.е. чем больше х, тем больше у. Это понятно, но как проанализировать природу этих взаимосвязей В общем случае и статистически - никак. Считаю, что грамотному исследователю вообще нужно выводить из своего лексикона расхожий термин "взаимосвязь": в подавляющем большинстве случаев он не уместен, т.к. уже предполагает механизм обратной связи. "Связь" - более ёмкий термин, чем "зависимость". Помимо прямого влияния может быть опостредованное влияние, может быть взаимное влияние, может быть влияние третьей переменной на две коррелирующие и т.д. Поэтому здесь нужно привлекать другие (нестатистические) методы исследования + знания в предметной области. Иными словами какая переменная оказывает большее влияние на другую? Длина руки положительно коррелирует с длиной ноги. Можно ли сказать, что длина ноги "оказывает большее влияние" на длину руки или наоборот? Сообщение отредактировал nokh - 10.02.2014 - 23:47 |
|
11.02.2014 - 09:11
Сообщение
#4
|
|
Группа: Пользователи Сообщений: 902 Регистрация: 23.08.2010 Пользователь №: 22694 |
Тут кроме общефилософских замечаний можно озвучить еще и технические: многое зависит от того, берется ли корреляция по множеству или по последовательности. Если коррелируют два ряда динамики, то с технической точки зрения лучше коррелировать детрендированные ряды: либо первые разности, либо остатки от линейной регрессии.
Чтобы не наделать выводов, которые очень нравятся исследователю. Но это так, к слову. |
|
11.02.2014 - 11:00
Сообщение
#5
|
|
Группа: Пользователи Сообщений: 1091 Регистрация: 26.08.2010 Пользователь №: 22699 |
Ну вот представим, что у меня есть модель упругого резервуара, и я наблюдаю два параметра АД и пульс с лучевой. Если тупо посчитать кк, то естественно ничего существенного я не смогу получить. Но если я построю модель со скрытыми параметрами, то лёгким движением руки я внезапно получаю смещенную оценку кровотока (при чем там по моему и просто пульса с лучевой хватит . А проводя периодически калибровку, то и несмещенную оценку тоже.
То есть можно строить "графические модели со скрытыми параметрами" (или параметры фильтра Калмана оптимизировать) и иметь профит даже в случае двух(а то и одной) переменной. Остается вопрос можно ли идентификацию системы называть статистикой? |
|
11.02.2014 - 16:30
Сообщение
#6
|
|
Группа: Пользователи Сообщений: 125 Регистрация: 2.04.2012 Пользователь №: 23616 |
Коллеги, спасибо Вам большое
[/b][quote здесь нужно привлекать другие (нестатистические) методы исследования [/quote] Подскажите, а какие именно 100$, что вы подразумеваете под динамикой? |
|
11.02.2014 - 17:36
Сообщение
#7
|
|
Группа: Пользователи Сообщений: 902 Регистрация: 23.08.2010 Пользователь №: 22694 |
100$, что вы подразумеваете под динамикой? Временные ряды. Для них особые статистические процедуры, связанные с тем, что в них элементарный исход понимается еще и как функция времени: хронологию нельзя изменять. Поэтому для их статистического анализа необходимо как минимум убедиться в эргодичности ("хорошей перемешанности") временного ряда |
|
11.02.2014 - 19:33
Сообщение
#8
|
|
Группа: Пользователи Сообщений: 1091 Регистрация: 26.08.2010 Пользователь №: 22699 |
Коллеги, спасибо Вам большое здесь нужно привлекать другие (нестатистические) методы исследования Подскажите, а какие именно Ну вот такие например http://cran.r-project.org/web/packages/FKF/index.html (там внутри pdf c описанием идентификации двух примеров систем) Если Вы описали передаточную функцию (для этого надо сделать преобразование Лапласа системы диффуров своей системы и записать его в матричной форме) своей системы, то легко и непринужденно получите её параметры. Причем можно и меняющиеся по времени! |
|
22.02.2014 - 12:14
Сообщение
#9
|
|
Группа: Пользователи Сообщений: 125 Регистрация: 2.04.2012 Пользователь №: 23616 |
если есть какие то предположения о природе связи, то надо рисовать уравнение регрессии в которое будут входит разным способом посторонняя дисперсия и дисперсия независимой переменной В той же статистике стал проводить simple regression получил такие р-ты Как мне тут найти природу корреляции. Например, когда я использую Множ.рег. анализ(MRA) . тут все ясно я просто согласно уравнению складывая переменные и смотрю насколько они близки к зависимой. но вот я получил такие ре-ты 1. скорректированный квадрат =0,20 2. коэф детерминации =0,46 Что я могу сказать о взаимосвязи этих 2х переменных. |
|
22.02.2014 - 12:35
Сообщение
#10
|
|
Группа: Пользователи Сообщений: 125 Регистрация: 2.04.2012 Пользователь №: 23616 |
|
|
22.02.2014 - 13:07
Сообщение
#11
|
|
Группа: Пользователи Сообщений: 902 Регистрация: 23.08.2010 Пользователь №: 22694 |
|
|
22.02.2014 - 14:31
Сообщение
#12
|
|
Группа: Пользователи Сообщений: 125 Регистрация: 2.04.2012 Пользователь №: 23616 |
100$, это я мог бы узнать и без проведения симпл регресии.))
|
|
22.02.2014 - 16:38
Сообщение
#13
|
|
Группа: Пользователи Сообщений: 902 Регистрация: 23.08.2010 Пользователь №: 22694 |
100$, это я мог бы узнать и без проведения симпл регресии.)) Дружище, я уже начал отмечать День защитника Отечества, так что вам не удастся вывести меня из себя Ну, а если серьезно, ваши вопросы без вопросительных знаков оставляют у собеседников тягостное ощущение того, что вы ничего не поняли из предыдущих постов, хотя и поблагодарили. Регрессия ничего не говорит о природе корреляции. Это-всего лишь способ отмоделировать (найденную?) зависимость. Судите сами: линейная регрессия в природе одна-единственная, а различных корреляций (в т.ч. связей типа корреляции) великое множество. Н-р, линейная корреляция между с.в. может отсутствовать, а параболическая-наличествовать. И задайте, наконец, какой-нибудь осмысленный вопрос. Вам статпакет выдал протокол оценивания простейшей из моделей-парной линейной регресии. Что непонятно-то? Вам будет любезно отвечено. Сообщение отредактировал 100$ - 22.02.2014 - 16:42 |
|
23.02.2014 - 20:46
Сообщение
#14
|
|
Группа: Пользователи Сообщений: 125 Регистрация: 2.04.2012 Пользователь №: 23616 |
Приятного праздника:)
Я просто тогда не понимаю смысла в простой регрессии. Её назначения. Чем она удобнее множественной. |
|
24.02.2014 - 08:32
Сообщение
#15
|
|
Группа: Пользователи Сообщений: 902 Регистрация: 23.08.2010 Пользователь №: 22694 |
Приятного праздника:) Я просто тогда не понимаю смысла в простой регрессии. Её назначения. Чем она удобнее множественной. Эйнштейн дал установку: "Модель должна быть настолько простой, насколько это возможно, но не проще". Бокс конкретизировал: "Все модели неправильны, но некоторые бывают полезны". Такова квинтэссенция регрессионного анализа. А вообще, я в растерянности: мы же вроде бы корреляцию обсуждали. Так все хорошо начиналось. |
|