我正在寻找有关比率和比率分析的建议和评论。在我工作的领域，尤其是比率分析很普遍，但我读过一些论文表明这可能是有问题的，我在想：
Kronmal, Richard A. 1993。重新审视了虚假相关和比率标准的谬误。皇家统计学会杂志 A 系列156(3): 379-392
及相关论文。从我目前所读到的内容来看，似乎比率会产生虚假的相关性，通过原点强制回归线（这并不总是合适的），如果做得不正确，对它们进行建模可能会违反边际原则（在回归中使用比率，作者：Richard Goldstein ）。但是，在某些情况下，使用比率是合理的，我想从统计学家那里得到一些关于这个话题的意见。
我不会称观察到的相关性是虚假的，而是从这些相关性中得出的错误因果推论。比率问题属于其他类型的混杂问题。
如果你定义随机变量&， 在哪里,, &是独立的，那么 &是相关的。这可能会误导您认为存在因果关系到反之亦然，或从其他东西对他们俩。然而，简单地决定避免使用比率是没有用的。观察本质上不是比率，如果,, &是独立的，您将通过使用比率引入“虚假”相关性&. 包含在您的分析中——重要的是要注意“缩放”不是一回事† — 保护您使用的任何东西；但不是来自其他混杂因素
Aldrich (1995), ""Correlations Genuine and Spurious in Pearson and Yule", Statistical Science , 10 , 4提供了一个有趣的历史视角。
† 请参阅在模型中包括交互作用但不包括主效应。