已知变量/向量和/积为定值，如何量化其方差对目标变量方差的贡献

咱们先从单个变量的简单场景入手，再延伸到向量的复杂情况，一步步拆解你的问题。

一、单个变量：已知和或积为精确常数时的变异贡献 #

假设我们有两个变量 (X) 和 (Y)，满足 精确的和关系 (X + Y = K)（(K) 是固定常数），或者 精确的积关系 (X \times Y = K)（(K \neq 0)，固定常数）。

1. 和为常数的情况 #

因为 (Y = K - X)，所以 (Y) 的变异完全由 (X) 的变异决定：

• 方差层面：(\text{Var}(Y) = \text{Var}(X))，两者的方差完全相等，且相关系数 (\rho_{X,Y} = -1)（完全负相关）。
• 贡献量化：(X) 对 (Y) 的变异贡献是 100%，反之亦然——任何 (X) 的波动都会完全传递给 (Y)，只是符号相反。

2. 积为常数的情况 #

此时 (Y = \frac{K}{X})，这是一个非线性变换，变异的传递需要用灵敏度分析或者近似方差公式来量化：

• 近似贡献（当 (X) 的变异较小时）：用泰勒展开一阶近似，(\text{Var}(Y) \approx \left( \frac{dY}{dX} \right)^2 \times \text{Var}(X) = \left( -\frac{K}{X^2} \right)^2 \times \text{Var}(X))。这里的 (\left( \frac{dY}{dX} \right)^2) 就是 (X) 的方差对 (Y) 方差的相对贡献系数。
• 精确贡献：如果要精确计算，直接对比 (\text{Var}(Y)) 和 (\text{Var}(X)) 的比值，或者通过 (Y = K/X) 的函数关系推导两者的协联动程度。

二、向量场景：已知和/积为精确值时的方差贡献 #

假设随机向量 (\boldsymbol{a}) 和 (\boldsymbol{b}) 满足 (\boldsymbol{a} + \boldsymbol{b} = \boldsymbol{c})（(\boldsymbol{c}) 是固定常数向量），或者 (\boldsymbol{a} \cdot \boldsymbol{b} = c)（(c) 是固定常数，点积场景）。

1. 向量和为常数的情况 #

和单个变量逻辑一致，(\boldsymbol{b} = \boldsymbol{c} - \boldsymbol{a})，所以：

• 协方差矩阵层面：(\text{Cov}(\boldsymbol{b}) = \text{Cov}(\boldsymbol{a}))，且 (\text{Cov}(\boldsymbol{a}, \boldsymbol{b}) = -\text{Cov}(\boldsymbol{a}))。
• 方差贡献：对于 (\boldsymbol{a}) 的任意分量 (a_i)，它的方差对 (\boldsymbol{b}) 的对应分量 (b_i) 的方差贡献是 100%；跨分量的话，因为向量和是逐分量计算的，所以 (a_i) 的方差不会影响 (b_j)（(i \neq j)）的方差。
• 注意：如果你的问题是“(\boldsymbol{a}) 的方差对 (\boldsymbol{c}) 的方差的贡献”——由于 (\boldsymbol{c}) 是常数向量，方差为0，所以这个场景下贡献为0（常数不存在变异）。

2. 向量点积为常数的情况 #

当 (\boldsymbol{a} \cdot \boldsymbol{b} = c)（固定常数），这是一个约束关系，(\boldsymbol{a}) 和 (\boldsymbol{b}) 的变异相互制约，量化贡献的方式如下：

• 用隐函数求导分析灵敏度：对等式两边求微分，得到 (\boldsymbol{b}^T d\boldsymbol{a} + \boldsymbol{a}^T d\boldsymbol{b} = 0)，变形为 (d\boldsymbol{b} = -\frac{\boldsymbol{b}^T d\boldsymbol{a}}{\boldsymbol{a}^T \boldsymbol{a}} \boldsymbol{a})（假设 (\boldsymbol{a} \neq \boldsymbol{0})）。
• 方差贡献近似：基于上述微分关系，(\text{Cov}(\boldsymbol{b}) \approx \frac{\boldsymbol{b} \boldsymbol{b}^{T}{(\boldsymbol{a}}T \boldsymbol{a})^2} \times \boldsymbol{a}^T \text{Cov}(\boldsymbol{a}) \boldsymbol{a})。这里的 (\frac{\boldsymbol{b} \boldsymbol{b}^{T}{(\boldsymbol{a}}T \boldsymbol{a})^2}) 就是 (\boldsymbol{a}) 的协方差矩阵对 (\boldsymbol{b}) 的协方差矩阵的贡献系数矩阵。
• 单个分量贡献：若要量化单个分量的贡献，可以提取协方差矩阵的对角元素，对比 (\text{Var}(b_i)) 中来自 (\text{Var}(a_j)) 的部分。

关键总结 #

• 当变量/向量是线性约束（和为常数）时，变异贡献直接且完全，方差可以一一对应。
• 当是非线性约束（积/点积为常数）时，需要用灵敏度分析或泰勒近似来量化贡献，变异的传递依赖于变量当前的取值和约束的非线性程度。

内容的提问来源于stack exchange，提问作者Joseph P