В статье, которую я написал, я моделирую случайные величины и а не и чтобы эффективно устранить проблемы, возникающие, когда и сильно коррелированы и имеют одинаковую дисперсию (как в моем приложении). Судьи хотят, чтобы я дал ссылку. Я мог бы легко доказать это, но, будучи журналом приложений, они предпочитают ссылку на простой математический вывод.X - Y X Y X Y
У кого-нибудь есть предложения по подходящей ссылке? Я думал, что в книге Тьюки (1977) есть что-то о суммах и различиях, но я не могу найти это.
correlation
multicollinearity
Роб Хиндман
источник
источник
Ответы:
Я бы сослался на Seber GAF (1977), анализ линейной регрессии. Вилли, Нью-Йорк. Теорема 1.4.
Это говорит .cov ( A X, B Y) = A cov ( X), Y) Б'
Возьмите = (1 1) и = (1 -1) и = = вектор с вашими X и Y.B X YA B X Y
Обратите внимание, что для того, чтобы иметь , важно, чтобы X и Y имели одинаковые отклонения. Если , будет большим.var ( X ) ≫ var ( Y ) cov ( X + Y , X - Y )cov(X+Y,X−Y)≈0 var(X)≫var(Y) cov(X+Y,X−Y)
источник