拉曼光谱分析
涉及≥3个变量的相关性分析，如何选择统计⽅法？作者：李侗桐；审稿：张耀⽂
上节课程中，我们讲解了两个变量的相关性分析时，应该如何选择统计⽅法（详见：要做相关性分析，该如何选择正确的统计⽅法？），今天我们接着讲解，涉及到三个及以上变量的相关性分析，该如何选择统计⽅法。
先看⽰例中南工业大学>权益乘数
分析三个及以上变量的相关性时，我们的主要⽬的是分析两个“主要”观察变量的相关性，并考虑其它因素对其关联的影响，这就需要纳⼊其它因素。以三个变量为例，我们拟研究变量A和变量B之间的相关性，但希望“去掉”或“校正”变量C 的影响，即分析调整变量C后，变量A和变量B的关系。在这种情况下，我们就需要在该研究中纳⼊变量C。 纳⼊其它因素是为了去除该类因素对主要观察变量相关性的影响。调整该类因素后，可以减少其对研究结果的⼲扰，更加准确地分析两个主要观察变量之间的关联，保证结果的真实可靠性。⽰例如下：
三代同堂荒诞主义同样的例⼦也适⽤于分析含有4个或更多变量的相关性分析中，两个主要观察变量不变，但需要控制因素的数量增加，⽰例如下：
统计⽅法选择
1.1 两个主要观察变量是连续变量
①纳⼊其它连续变量
Pearson偏相关。Pearson偏相关适⽤于分析两个连续变量的相关性，可以纳⼊其他连续变量。该检验不区分⾃变量和因变量，是Pearson相关中包含2个以上连续变量的特殊类型，不仅可以提⽰偏相关的统计学意义，⽽且可以通过相关系数提⽰关联强度。
②纳⼊其它任意类型变量
多重线性回归。如果想区分⾃变量和因变量，可以采⽤多重线性回归进⾏分析。该检验不仅可以反映相关性，⽽且可以根据⾃变量预测因变量。需要注意的是，⽆序多分类的⾃变量需要做哑变量处理。有序分类变量如果不是定距的，也需要做哑变量处理。 1.2 两个主要观察变量均为分类变量
①因变量是⼆分类变量定向增发
⼆分类Logistic回归。如果想区分⾃变量和因变量，可以采⽤⼆分类Logistic回归。该检验不仅可以反映相关性，⽽且可
⼆分类Logistic回归。如果想区分⾃变量和因变量，可以采⽤⼆分类Logistic回归。该检验不仅可以反映相关性，⽽且可以通过⾃变量预测因变量。并且可以纳⼊其它连续、⼆分类、⽆序或有序多分类变量。
②因变量是有序多分类变量
有序多分类Logistic回归。有序多分类Logistic回归在分析相关性时可以区分⾃变量和因变量，该检验不仅可以反映相关性，⽽且可以通过⾃变量预测因变量。并且可以纳⼊其它连续、⼆分类、⽆序或有序多分类变量。
③因变量是⽆序分类变量
⽆序多分类Logistic回归。同样需要注意的是，⼆分类、有序多分类和⽆序多分类Logistic回归中，⽆序多分类的⾃变量需要做哑变量处理。有序分类变量如果不是定距的，也需要做哑变量处理。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议