回归系数的两两比较

Question

用cor(mydataframe)对相关系数(相关矩阵)进行成对比较是直接对数值数据进行比较的。对同一变量之间的简单回归分析的斜率进行成对比较，有没有办法做到同样的事情？令我失望的是，slope(mydataframe)或beta(mydataframe)没有做到这一点。

Answer 1

我不知道这是否有内置的函数，但是要编写一个for -循环来实现这一点很容易。

pairReg = function(data){
  results = rep(NA, ncol(data)**2)
  counter = 0

  for(i in names(data)){
    for (j in names(data)){
      counter = counter + 1
      if (i ==j) next
      results[counter] = lm(data[,i]~data[,j])$coef[2]
    }
  }
  matrix(results, ncol = ncol(data),byrow=T)  
}

函数默认为使对角线为NA。

示例：

data = data.frame(x1 = rnorm(100,0,1),
              x2 = rnorm(100,0,1),
              x3 = rnorm(100,0,1))
pairReg(data)

可以用apply()来扩展它以加快速度。

Answer 2

数据集的协方差矩阵与其两两回归斜率之间存在着非常的直接关系。从检查回归方程可以看出这一点，任何使用回归的人都应该理解这一点(不支持latex这一事实)：

\hat y_i = \bar y+ \sigma_{xy} \frac{\sigma_y}{\sigma_x} (x_i - \bar x)

这意味着简单的线性回归系数是

\hat \Beta = \sigma_{xy} \frac{\sigma_y}{\sigma_x}

IE-通过这两个变量之间的“差”(标准差)的差异来适当地衡量的相关性。

因此，这种转换是直接的。答案类似于上面的@Devon，但它本身添加了回归。

c1 <- cor(data)
c2 <- diag(cov(data)^(1/2))

m <- matrix(NA, nrow= ncol(data), ncol= ncol(data))

for (i in 1:3) {
  for (j in 1:3) {
    m[i,j] <- c1[i,j] * c2[i] / c2[j]
  }
}

# using @devon's data, provided w/o a seed
R> m
            [,1]        [,2]        [,3]
[1,]  1.00000000  0.11334817 -0.05551440
[2,]  0.10722557  1.00000000 -0.04449336
[3,] -0.05077282 -0.04301669  1.00000000