Para mínimos quadrados com um preditor:
Se e y forem padronizados antes do ajuste (ou seja, ∼ N ( 0 , 1 ) ), então:
- é o mesmo que o coeficiente de correlação de Pearson, r .
- é o mesmo na regressão refletida: x = β y + ϵ
Para mínimos quadrados generalizados (GLS), o mesmo se aplica? Ou seja, se eu padronizar meus dados, posso obter coeficientes de correlação diretamente dos coeficientes de regressão?
Ao experimentar dados, o GLS refletido leva a diferentes coeficientes e também não tenho certeza de que acredito que os coeficientes de regressão se ajustem aos meus valores esperados para correlação. Eu sei que as pessoas citam os coeficientes de correlação GLS, então eu estou me perguntando como eles chegam a eles e, portanto, o que eles realmente significam?