有关多元回归和非参数偏相关分析的问题。

light_knight

问题是这样的，在我的科研课题中我想区分两个自变量对一个因变量的贡献。我用SPSS对数据进行了回归分析（样本量约200）。但是这两个自变量有很强的相关性（spearman 相关系数0.95左右）。不知道这样再进行多元回归分析得到的结果是否还有意义？

另外就是我的这些数据不是正态的，虽然取Log以后比较接近对称分部。不知道这样使用回归分析得到的p value是否还有意义？我在其他人的研究论文中看到有人使用partial spearman rank correlation分析类似的问题（其中一些文章发表于世界顶尖期刊，如nature系列的子刊）。但是我导师说非参数的偏相关检验并不好，所以很多软件中都没有这种检验方法。不知道像这种非正态的数据，应该用什么检验进行多元分析才合适？

谢谢！

wumaths

尝试一下偏最小二乘回归如何？(Partial least square ,pls)

rtist

发什么期刊和方法好不好没多少关系，除非发的就是研究方法的文章。上次那个nature genetics里面的统计错误我都快说腻了。。。

方法不是没有，问题是两个自变量告诉相关的时候，说明他们两个基本上提供的是差不多的信息，除非研究目的就是区分他们两个，否则根本没有什么必要把它们区分开。

light_knight

谢谢楼上两位的回答。我也是在nature genetics上看到有人用非参数的偏相关分析。

我研究的目的的确是区分这两个因素，因为这两个因素有不同的生物学意义。能否介绍一下我的问题应该如何做分析才合适呢？谢谢！！

tuqinhuan

您好，请问解决了吗，我也遇到了一样的问题

tctcab

tuqinhuan
放过这个十二年前的帖子，开新帖吧

nan.xiao

这事本质上在回归框架下其实是解决不了的，因为回归做不了因果，只能做预测。对这类 true positive 却又高度相关的变量，在回归（或者假设检验）方法中能做到的最好程度就是让它们都能进入模型里，而不会选不中或者被随机筛掉。

"想区分两个自变量对一个因变量的贡献" 这首先是一个生物学问题，其次才是一个统计学问题。正确的打开方式是使用生物学的知识和假设来设计实验拿到数据，结合统计学对这类问题的求解框架（因果推断），来获得结论。