다중 선형 회귀 계수와 부분 상관 관계는 직접 연결되어 있으며 동일한 의미 (p- 값)를 갖습니다. 부분 r 은 베타 계수 (표준 회귀 계수) 1 와 함께 계수를 표준화하는 또 다른 방법입니다 . 따라서 종속 변수가 y 이고 독립 변수가 x 1 및 x 2 이면1yx1x2
Beta:βx1=ryx1−ryx2rx1x21−r2x1x2
Partial r:ryx1.x2=ryx1−ryx2rx1x2(1−r2yx2)(1−r2x1x2)−−−−−−−−−−−−−−−−√
분자가 같으므로 두 수식 모두 x 1 의 동일한 고유 효과 를 측정합니다 . 두 공식이 구조적으로 어떻게 동일하고 어떻게 다른지 설명하려고 노력할 것입니다.x1
세 가지 변수 모두에 z 표준화 (평균 0, 분산 1) 가 있다고 가정 합니다. 분자는 두 종류의 공분산 같다 잔차 제 (a) 잔차 예측 남아 하여 X 2 [두 변수 표준] 및 예측에서 왼쪽 (b) 잔류 X (1) 에 의해 X (2) [모두 변수 표준] . 또한, 잔차 (a)의 분산은 1 - r 2 y x 2 이고; 잔차 (b)의 분산은 1 - r 2 x 1 x 2 입니다.yx2x1x21−r2yx21−r2x1x2
의 수식 부분 상관은 다음 명확 일반 피어슨의 식 표시 피어슨 : 잔차 (a) 및 잔차 (b) 사이에서이 경우에 계산 된 바와 같이, R , 우리가 아는 공분산의 기하 평균 인 분모로 나누어, 두 가지 다른 분산.rr
표준화 된 계수 베타 는 구조적으로 Pearson 과 유사 하지만 분모 만 자체 자기 분산의 기하 평균이라는 것입니다 . 잔차의 분산 (a)는 계산되지 않았다; 잔차 분산의 두 번째 카운팅으로 대체되었습니다 (b). 따라서 베타는 두 잔차의 공분산이 두 잔차 중 하나의 분산 (특히, 관심있는 예측 변수에 속하는 것 x 1 )에 대한 분산입니다 . 이미 알려진 바와 같이 부분 상관 관계 는 하이브리드 분산에 대한 동일한 공분산 입니다. 두 유형의 계수는 다른 예측 변수의 환경에서 x 1 의 효과를 표준화하는 방법 입니다.rx1x1
yx1x2ryx1.x2y <- x2
x1 <- x2
x2y x2x1yx1x2x2y1−r2yx2x11−r2x1x2ryx1.x2βx1yy
x1,x2,x3,...
ryx1.X=βx1var(ex1←X)var(ey←X)−−−−−−−−−−√,
Xx1ey←XyXex1←Xx1X
yx
1 βx1=bx1σx1σybβ