对回归系数进行成对比较答案

【问题标题】：Make pairwise comparisons of regression coefficients对回归系数进行成对比较
【发布时间】：2016-01-21 22:12:21
【问题描述】：

使用cor(mydataframe) 对数字数据帧进行相关系数（相关矩阵）的成对比较是直接的。对于相同变量之间的简单回归分析斜率的成对比较，有什么方法可以做同样的事情吗？令我失望的是，slope(mydataframe) 或 beta(mydataframe) 并没有成功。

【问题讨论】：

标签： r statistics regression

【解决方案1】：

我不知道是否有内置函数，但是很容易编写一个for循环来完成这个。

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)  
}

函数默认生成对角线NA。

例子：

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

可以使用apply() 扩展它以加快速度。

【讨论】：

【解决方案2】：

数据集的协方差矩阵与其成对回归斜率之间存在非常直接的关系。通过检查回归方程可以明显看出这一点，任何使用回归的人都应该理解这一点（请原谅不支持乳胶这一事实）：

\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- 已通过两个变量之间的“价差”（标准差）差异适当缩放的相关性。

因此，这种转换很简单。答案类似于上面的@Devon，但添加了自身的回归

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

【讨论】：