用Python 或者SPSS 做 通径分析

一边学，一边记。
简单相关系数：仅仅研究两个变量之间的关系
偏相关系数：多个相关变量中研究两个变量之间的关系
多元回归：多个不相关（理想化，不存在完全不相关）自变量与一个因变量之间的关系
通径分析：多个相关的自变量与一个因变量之间的关系
典型相关系数：多个相关的因变量与多个相关的自变量之间的关系

看图

图中箭头表示自变量之间存在因果关系，x1直接指向y为x1对y的直接通径。
r表示变量之间的相关系数
在直接通径上，若xi到的值增加一个标准差单位时，y将要改变的标准差单位Piy,称为通径xi到y的系数。
这里x1与x2相关，所以x1在影响y时，同时也在通过x2影响着y。它通过x2影响y的称为间接通径。

在通径分析中，一般认为最难计算的就是通径系数P，但其实，对数据做线性回归时，得到的标准化系数，就是通径系数。
用SPSS计算很方便，用Python也可以，但是Python要先对所有数据标准化再进行多元回归。得到标准化系数。
比如下面的数据。

这就15行数据，所有的数据如下：

array([[ 10. ,  23. ,   4. , 113. ,  15.7],
       [  9. ,  20. ,   4. , 106. ,  14.5],
       [ 10. ,  22. ,   4. , 111. ,  17.5],
       [ 13. ,  21. ,   4. , 109. ,  22.5],
       [ 10. ,  22. ,   4. , 110. ,  15.5],
       [ 10. ,  23. ,   4. , 103. ,  16.9],
       [  8. ,  23. ,   3. , 100. ,   8.6],
       [ 10. ,  24. ,   3. , 114. ,  17. ],
       [ 10. ,  20. ,   3. , 104. ,  13.7],
       [ 10. ,  21. ,   3. , 110. ,  13.4],
       [ 10. ,  23. ,   4. , 104. ,  20.3],
       [  8. ,  21. ,   4. , 109. ,  10.2],
       [  6. ,  23. ,   3. , 114. ,   7.4],
       [  8. ,  21. ,   4. , 113. ,  11.6],
       [  9. ,  22. ,   4. , 105. ,  12.3]])

用spss做多元线性回归

结果中株高的系数不显著，不具有统计学意义，可以先去除掉看一看

可以看到标准化系数那一列中，就是我们要得到的直接通径P值。
我们再计算一下他的皮尔森相关系数：

np.corrcoef(df1,rowvar=False)

array([[ 1.        , -0.13574182,  0.28347335, -0.09391319,  0.89731381],
       [-0.13574182,  1.        , -0.15961738,  0.12338753,  0.04619187],
       [ 0.28347335, -0.15961738,  1.        , -0.01104315,  0.43379218],
       [-0.09391319,  0.12338753, -0.01104315,  1.        , -0.00650874],
       [ 0.89731381,  0.04619187,  0.43379218, -0.00650874,  1.        ]])

这是5X5的矩阵，第一行就表示x1 。

这个矩阵最后一列就就是所有变量对y的影响。

算一下单株穗数，也就是第一个变量，他的直接通径为P = 0.862

间接通径为 x2和x1的相关系数，乘以x2的直接通径，再加上x3的
-0.13574182 * 0.198 + 0.28347335 * 0.221 = 0.03577072999

所以x1的直接通径加上间接通径为：
0.03577072999+0.862 = 0.897…正好等于x1和y的相关系数

总结，从相关系数并不能看出这个变量对y的影响大小，因为变量间也会相关，并且变量间相关度越高，本身自变量对y的单独影响可能就会越低。