변수 간의 관계에는 두 가지 주요 범주가 있으며 아래에 소개되어 있습니다.

1. 변수 간의 관계는 두 가지 범주로 나눌 수 있습니다:

기능적 관계: 반영 트랜잭션 간에 특정 결정론적 관계를 설정합니다.

상관관계: 두 변수 사이에는 특정 종속성이 있지만 일대일 대응은 아닙니다. 이는 트랜잭션 간의 불완전한 관계를 반영합니다.

2. 상관계수에 대한 유의성 검정이요?

실제로 관계가 전혀 없는 변수도 표본 데이터를 계산에 사용할 때 큰 상관계수 값(특히 시계열 값)을 얻을 수도 있습니다.

샘플 수가 적을수록 상관계수가 크다. 표본 크기가 100에서 40으로 줄어들면 상관 계수가 상승할 확률이 높지만 어느 정도까지 상승할지 보장할 수 없으며 데이터 제거 원칙에 따라 달라질 수 있습니다. 실제로 상관 관계가 없습니다.

두 데이터 열의 순서를 변경하면 상관 계수와 산점도(적합 함수 곡선)에 영향을 주지 않습니다. 데이터의 두 열을 표준화하고 상관 계수에 영향을 주지 않습니다. ; 우리가 계산하는 상관 계수는 선형 상관 계수이며, 이는 둘이 선형 관계를 가지고 있는지 여부만 반영할 수 있습니다. 높은 상관계수는 선형모델의 높은 적합도를 위한 전제조건입니다. 또한 상관계수는 두 변수 사이의 상관관계를 반영하며, 여러 변수 사이의 상관관계는 복소상관계수로 측정할 수 있습니다.

3. 변수 수가 증가하면 P 값과 F 값이 조건을 충족하는 한 너무 작은 값을 추구할 필요가 없습니다.

4. 어리석은 점을 테스트하는 선형성 및 통계적 가설이 명확하지 않습니까?

다중*** 선형성은 통계적 가정과 직접적인 관련은 없지만 다중회귀의 결과를 해석하는 데는 매우 중요합니다. 상관계수는 두 변수 사이의 상관관계를 반영하는데, 회귀계수는 다른 변수는 변하지 않고 독립변수는 한 단위씩 변한다는 가정 하에 종속변수에 미치는 영향이다. ) 해석이 어려워집니다. 예를 들어 x·1과 x2는 x1이 한 단위 변경되면 x2는 그대로 유지되며 x1과 x2는 크게 영향을 받습니다. 상관 관계가 있으면 설명이 될 것입니다. 말이되지 않습니다.

일변량 회귀에는 다중 선형 회귀의 문제가 없지만 다중 선형 회귀는 다중 선형 회귀의 영향을 포기해야 하므로 먼저 모든 변수에 대한 상관 계수 분석을 수행하여 초기 결정이 필요합니다. 전제 조건이 충족되는지 여부 ---다중 *** 선형성.