みなさん、
相関でカラーマップを使用するとき、単一のパラメータの効果を推定するために交差しない限界として相関値のしきい値が一般に受け入れられているのだろうかと思いましたか？0.3？0.2？
おかげで、
ヒューゴ
しゅう
一般的に、相関の測定値は説明的な統計であり、推論的な統計ではありません。したがって、パラメータ推定の相関統計しきい値に関する文献には、ほとんど何も表示されません。パラメータ推定はその中心であり、推論統計であり、通常の最小二乗回帰などの異なる統計的手法アプローチを必要とします。
カスタムデザインなどのデザインプラットフォームのデザイン診断アウトライン部分で提供されるプロットを参照していると思います。
理論的または実用的なしきい値はありません。推定値の相関関係に関する「経験則」はありません。どうして？
相関関係により、推定値の分散が大きくなるためです。このインフレーションは、分散インフレーション係数（VIF）など、いくつかの方法で表現できます。この増加により、用語または個々のパラメーターに対する仮説検定の能力が低下します。同じ推定値の信頼区間の長さが長くなります。これらの変更はすべて、一般的に間違った方向にあります。そのため、設計が十分かどうかを判断するために、相関関係を調べる必要があります。ただし、相関を評価するには、処理している応答の分散に関する情報が必要です。応答の分散が小さい場合、より大きなVIFを許容できます。それ以外のサイズが大きい場合は、より小さいVIFのみを許容できます。（「VIF <10」という一般的な経験則も、同じ理由で意味がありません。）
また、実験の性質と運にも依存します。たとえば、それがスクリーニング実験であり、運があなたの状況が主要なスクリーニング原則に従っている場合、ほとんどのパラメータを推定する必要はありません。元の設計は、モデルの最終用語に比べてはるかに大きくなりました。設計をより小さなモデルに投影すると、相関がより良く変化します。したがって、相関は致命的ではありません。
最後に、連続因子には広範囲を使用するようにしてください。どうして？応答に大きな影響を与え、出力を増加させ、信頼区間の相対的な長さを減少させます相関にもかかわらず 。
