Python regplot（）和#x27；什么是稳健的选择？

与之相关的是，我想知道seaborn的regplot（）中的

robust

选项实际上做了什么

说明如下：

如果

True

，则使用

statsmodels

估计稳健回归。这将降低异常值的权重。请注意，这比标准线性回归在计算上更加密集，因此您可能希望减少引导重采样的次数（

n_boot

）或将

ci

设置为

None

这是否意味着它更类似于Kendall或Spearman相关性的工作方式，因为它们对异常值具有鲁棒性？或者这两者之间没有任何关系？换句话说，当计算某些数据的Kendall，并使用

regplot（）

绘制散点图时，使用

robust=True

？

相关系数与回归系数是否有意义 相关性是衡量两个变量的相关性，即两个变量的相关性。结果是一个相关系数，这是一个统计数据，可以告诉你事物之间的关联程度（

1

是一个完美的关系，

0

是一个完美的无关联关系），粗略地说，这种关联的方向性（

-1

表示负斜率）。值得注意的是，Spearman和Kendall相关系数对异常值都很敏感，Spearman方法更为敏感

另一方面，是线性回归的一个特例，它是一种寻找两个或多个变量之间关系的方法。你可以把它看作是找到“最佳拟合线”的一种方法。线性回归的结果是回归系数，这是一种测量响应如何随变量变化（方向和斜率）的方法

“经典”与稳健线性回归 通常，线性回归用于查找回归系数，目标是最小化残差的平方和（估计线和实际数据之间的差的平方根）。这对异常值非常敏感：

x = np.arange(0,10,0.2)
y = (x*0.25)+np.random.normal(0,.1,50)
y[[12,14,18,24]] -= 4

sns.regplot(x,y, robust = False)

注意这条线是如何被异常值拖拽下来的。在很多情况下，这是你想要看到的行为

另一方面，稳健回归方法通常使用不同的度量来查找除OLS之外的回归系数，例如最小化，它本质上是数据子集上的平方和（从这个意义上讲，它类似于自举）。通常，这样做是为了使给定的异常值不会对系数产生巨大影响。这就是

statsmodels.robust.robust\u linear\u model.RLM所做的，在seaborn中使用
robust=True
时会调用它。在与之前相同的数据上，结果如下：

sns.regplot(x,y,robust = True)


请注意，这条线并没有被异常值拖下来。在很多情况下，这不是人们想要的行为，但这取决于你在做什么

注意：这在计算上非常昂贵（仅对于这50个数据点，在我的机器上运行大约需要5秒钟）

使用哪个相关系数？
如果要继续报告Kendall相关系数，在可视化数据时不要使用
robust
参数。这将产生误导，因为Kendall的误差敏感性将无法与稳健线性回归所表示的相比较（为了说明这可能会有多大的变化，在我上面的数据中，Kendall相关性为0.85，spearman相关系数为0.93）<默认情况下，code>sns.regplot（）

with

robust=True

调用，默认情况下使用

HuberT（）

标准。正因为如此，若你们想报告相关系数之类的东西，我的直觉是你们必须使用一些度量（你们可能会找到更多关于这个的信息）。或者，您可以阅读，它似乎对稳健的相关系数备选方案有一些见解。

谢谢您详细的回答。然而，您说斯皮尔曼对异常值更为稳健，这与我迄今为止所读到的所有内容形成了对比。我遇到的所有文献都告诉我，斯皮尔曼速度更快，但对异常值的鲁棒性较差。谢谢你的关注！你完全正确，这实际上是说“敏感”：。。。据我所知，肯德尔和斯皮尔曼都是敏感指标。