各位，
在相關性上使用彩色圖時，我想知道是否有任何相關值閾值被普遍接受為不交叉估計單個參數影響的限制？ 0.3？ 0.2？
謝謝，
雨果
@馬丁德梅爾
我假設您指的是設計平台（例如定制設計）的設計診斷大綱部分中提供的圖。
我會說沒有理論或實踐門檻。 估計的相關性沒有“經驗法則”。 為什麼？
因為相關性會誇大您估計的方差。 這種通貨膨脹可以用多種方式表示，例如方差通貨膨脹因子 (VIF)。 這種增加將降低您對術語或單個參數的假設檢驗的功效。 它將增加相同估計的置信區間的長度。 所有這些變化通常都朝著錯誤的方向發展。 因此，我們需要像您所做的那樣檢查相關性，以確定我們的設計是否足夠。 但是要評估相關性，需要一些有關您正在處理的響應方差的信息。 如果響應方差很小，那麼您可以容忍較大的 VIF。 如果它很大，那麼您只能容忍較小的 VIF。 （因此，出於同樣的原因，“VIF < 10”的一般經驗法則也沒有意義。）
還要看實驗性質和運氣。 例如，如果這是一個篩選實驗，幸運的是你的情況遵循了關鍵的篩選原則，那麼你將不必估計大部分參數。 相對於模型中的最終項，原始設計現在要大得多。 將設計投影到更小的模型中會更好地改變相關性。 所以相關性不是致命的。
最後，一定要對連續因子使用大範圍。 為什麼？ 它將對響應產生更大的影響，這將增加功效並減少置信區間的相對長度儘管存在相關性.
一般來說，相關性度量是描述性的，而不是推論性的統計數據。 因此，您不會在文獻中看到太多關於參數估計的相關統計閾值的內容。 參數估計是其核心，是一種推論統計，需要不同的統計方法，例如但不限於普通最小二乘回歸。
