有关系没关系－谈回归与相关.pdf

農業試驗所技術服務季刊 11(1): 5-8. [41], 2000 有關係？沒關係？－談迴歸與相關 ◎農藝系試驗統計研究室 呂秀英 當試驗研究的目的在探知兩特性值x 與y 間的相互關係時，我們通常 會使用到迴歸(regression)與相關(correlation)之統計分析方法。人們對迴歸 與相關常混淆不清，在科學文獻上相關的問題常被當做迴歸的問題來處 理 ，而迴歸的問題也常被當做相關的問題來處理 。造成這種混淆不清的原 因有數種。首先這兩種分析間的數學關係很密切 ，在數學上我們可以很容 易地由一種關係轉到另一種關係。其次 ，是因為早期的教科書對這兩種方 法間的區分沒有解釋清楚 ，其所造成的困擾到現在還無法完全被克服。而 且至少還有一本現在的教科書把其中的一種分析當做是另一種分析的異 名，增加更多的困擾。最後 ，研究者所選用的方法雖然可能正確 ，可是所 要分析的數據可能不適於使用該法來分析。茲謹就這些問題進行討論。 一、 到底應該用迴歸或相關分析？ 由於迴歸係數和相關係數之間有一些簡單的數學關係 （兩者的計算都 要用到乘積和），因此，計算迴歸係數時，常會使人聯想到要計算相對的 相關關係 ；但是這樣做是不正確的 ，除非我們在研究的開始就打算探知互 相關聯的程度且所得到的數據也適用於這種計算。有時對一個問題我們不 易分清到底是應該用迴歸分析或是用相關分析。其實很簡單 ，只要從分析 目的及數據性質來判斷，就可以很容易予以清楚區分。 首先討論這二種分析的目的之不同。迴歸分析是想描述一個依變數 (dependent variable) y 對一個自變數(independent variable) x 的倚賴情形。在 這裡，x 可以利用各種試驗設計方法來自由變動，例如生長箱溫度、土壤 含氮量、施肥用量 、作物苗齡、殺蟲劑濃度等等。我們利用迴歸方程式來 支持x 的改變產生y 的改變之假說 ，並可用來預估某一x 的y 值 ，以及將 x 當做是統計控制來解釋y 的一些變異，例如乾物重受溫度之影響程度、 生長速率受施肥用量之影響程度、昆蟲族群致死率受殺蟲劑濃度之影響程 度等。 相反地 ，相關分析是涉及兩個變數的相互倚賴之程度 ，即在一起變異 的程度。我們並不把一個變數表示成另一個變數的函數 ，所以沒有自變數 和依變數之分。也就是說，x 為不可自由變動，例如預測颱風或探求水稻 穗數與精米重間 、雜草種子數目與成長日數間、乳牛體重與泌乳量間的關 1 係等問題時 ，雖然有可能一個變數是另一個變數的因 ，但我們既不知道也 不假設有這兩種關係存在。通常 ，這兩個變數是同時受到某一共同原因的 影響（但未必一定是如此）。當我們想測定一個全體的成對變數間之互相 關聯程度時，適宜採用相關分析。 即使我們選用的方法符合我們的目的，但是數據之性質可能不適合使 用這種方法來處理 ，例如想將穀粒產量當做是穗數的一個函數 ，我們可能 取同一期作同一試區內的一個植株逢機樣本 ，而得到每一株的穀粒產量與 穗數而做前者對後者的迴歸 。可是 ，這兩個變數之測量都有誤差。自變數 x 的各別測量值並非由試驗者隨意選擇或控制 ，因此傳統迴歸的假定不成 立 ，用此數據做迴歸是不合理的 。這種錯誤 ，不難從發表過的研究文獻找 到例子。 難道我們真的不可以用一個方程式來描述y 對x 的倚賴情形？如果真 的想 ，就必須使用不同模式架構的迴歸 。傳統迴歸 ，是假定x 為可以自由 選擇或控制的固定值，這種模式屬於模式I 迴歸，方程式中的迴歸係數是 利用最小平方法(least squares method)來估計，一般我們都是使用模式I 迴 歸；若自變數x 不是固定值 ，就必須採用模式II 迴歸 ，由於兩變數同時有 逢機變異，所以方程式中的迴歸係數是利用最大概似法(maximum likelihood method)來估計。模式II 迴歸的計算非常複雜，使用較不普遍。 二、 從迴歸或相關分析下正確的結論 雖然迴歸分析通常被用來檢測因果關係 ，但是y 對x 的一個顯著迴歸 並不證明x 的改變是y 之變異的原因。縱然模式II 迴歸可以用來解釋兩個 變數一起變異的程度 ，但是 ，還是最好不要將變異和因果混為一談 。不同 的變數可能一起變異，但這種共變異可以只是偶發現象或