Частичные коэффициенты корреляции настроены для внутренних переменных
rho = partialcorri(y,x)
rho = partialcorri(y,x,z)
rho = partialcorri(___,Name,Value)
[rho,pval]
= partialcorri(___)
возвращает демонстрационные линейные частичные коэффициенты корреляции с дополнительными опциями, заданными одним или несколькими аргументами пары "имя-значение", с помощью входных параметров от любого из предыдущих синтаксисов. Например, можно задать, использовать ли Пирсона или Спирмена частичные корреляции, или задать, как обработать отсутствующие значения.rho
= partialcorri(___,Name,Value
)
Вычислите частичные коэффициенты корреляции для каждой пары переменных в матрицах входа x
и y
при управлении для эффектов остающихся переменных в x
.
Загрузите выборочные данные.
load carsmall;
Данные содержат измерения от автомобилей, произведенных в 1 970, 1976, и 1982. Это включает MPG
и Acceleration
как критерии качества работы, и Displacement
, Horsepower
и Weight
как переменные проекта. Acceleration
является временем, требуемым ускоряться от 0 до 60 миль в час, таким образом, высокое значение для Acceleration
соответствует автомобилю с низким ускорением.
Задайте входные матрицы. Матрица y
включает критерии качества работы, и матрица x
включает переменные проекта.
y = [MPG,Acceleration]; x = [Displacement,Horsepower,Weight];
Вычислите коэффициенты корреляции. Включайте только строки без отсутствующих значений в вычислении.
rho = partialcorri(y,x,'Rows','complete')
rho = 2×3
-0.0537 -0.1520 -0.4856
-0.3994 -0.4008 0.4912
Результаты предлагают, например, 0,4912 корреляции между весом и ускорением после управления для эффектов смещения и лошадиной силы. Можно возвратиться - значения как второй вывод, и исследуют их, чтобы подтвердить, являются ли эти корреляции статистически значительными.
Для более ясного отображения составьте таблицу с соответствующей переменной и метками строки.
rho = array2table(rho, ... 'VariableNames',{'Displacement','Horsepower','Weight'}, ... 'RowNames',{'MPG','Acceleration'}); disp('Partial Correlation Coefficients')
Partial Correlation Coefficients
disp(rho)
Displacement Horsepower Weight ____________ __________ ________ MPG -0.053684 -0.15199 -0.48563 Acceleration -0.39941 -0.40075 0.49123
Протестируйте на частичную корреляцию между парами переменных в матрицах входа x
и y
при управлении для эффектов остающихся переменных в x
плюс дополнительные переменные в матричном z
.
Загрузите выборочные данные.
load carsmall;
Данные содержат измерения от автомобилей, произведенных в 1 970, 1976, и 1982. Это включает MPG
и Acceleration
как критерии качества работы, и Displacement
, Horsepower
и Weight
как переменные проекта. Acceleration
является временем, требуемым ускоряться от 0 до 60 миль в час, таким образом, высокое значение для Acceleration
соответствует автомобилю с низким ускорением.
Создайте новую переменную Headwind
, и случайным образом сгенерируйте данные, чтобы представлять понятие среднего встречного ветра вдоль маршрута измерения производительности.
rng('default'); % For reproducibility Headwind = (10:-0.2:-9.8)' + 5*randn(100,1);
Поскольку встречный ветер может влиять на критерии качества работы, управление для его эффектов при тестировании на частичную корреляцию между остающимися переменными.
Задайте входные матрицы. Матрица y
включает критерии качества работы, и матрица x
включает переменные проекта. Матрица z
содержит дополнительные переменные, чтобы управлять для при вычислении частичных корреляций, таких как встречный ветер.
y = [MPG,Acceleration]; x = [Displacement,Horsepower,Weight]; z = Headwind;
Вычислите частичные коэффициенты корреляции. Включайте только строки без отсутствующих значений в вычислении.
[rho,pval] = partialcorri(y,x,z,'Rows','complete')
rho = 2×3
0.0572 -0.1055 -0.5736
-0.3845 -0.3966 0.4674
pval = 2×3
0.5923 0.3221 0.0000
0.0002 0.0001 0.0000
Маленькое возвратилось - значение 0,001 в pval
указывает, например, на значительную отрицательную корреляцию между лошадиной силой и ускорением, после управления для смещения, веса и встречного ветра.
Для более ясного отображения составьте таблицы с соответствующей переменной и метками строки.
rho = array2table(rho, ... 'VariableNames',{'Displacement','Horsepower','Weight'}, ... 'RowNames',{'MPG','Acceleration'}); pval = array2table(pval, ... 'VariableNames',{'Displacement','Horsepower','Weight'}, ... 'RowNames',{'MPG','Acceleration'}); disp('Partial Correlation Coefficients, Accounting for Headwind')
Partial Correlation Coefficients, Accounting for Headwind
disp(rho)
Displacement Horsepower Weight ____________ __________ ________ MPG 0.057197 -0.10555 -0.57358 Acceleration -0.38452 -0.39658 0.4674
disp('p-values, Accounting for Headwind')
p-values, Accounting for Headwind
disp(pval)
Displacement Horsepower Weight ____________ __________ __________ MPG 0.59233 0.32212 3.4401e-09 Acceleration 0.00018272 0.00010902 3.4091e-06
x
Матрица данныхМатрица данных, заданная как n-by-px матрица. Строки x
соответствуют наблюдениям, и столбцы соответствуют переменным.
Типы данных: single | double
y
Матрица данныхМатрица данных, заданная как n-by-py матрица. Строки y
соответствуют наблюдениям, и столбцы соответствуют переменным.
Типы данных: single | double
z
Матрица данныхМатрица данных, заданная как n-by-pz матрица. Строки z
соответствуют наблюдениям, и столбцы соответствуют переменным.
Типы данных: single | double
Укажите необязательные аргументы в виде пар ""имя, значение"", разделенных запятыми.
Имя (Name) — это имя аргумента, а значение (Value) — соответствующее значение.
Name
должен появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN.
'Type','Spearman','Rows','complete'
вычисляет Копьеносца частичные корреляции с помощью только данные в строках, которые не содержат отсутствующих значений.Ввод
Тип частичных корреляций'Pearson'
(значение по умолчанию) | 'Spearman'
Тип частичных корреляций, чтобы вычислить, заданный как пара, разделенная запятой, состоящая из 'Type'
и или 'Pearson'
или 'Spearman'
. Pearson
вычисляет Пирсона (линейные) частичные корреляции. Spearman
вычисляет Копьеносца (ранг) частичные корреляции.
Пример: 'Type','Spearman'
'Строки'
Строки, чтобы использовать в вычислении'all'
(значение по умолчанию) | 'complete'
| 'pairwise'
Строки, чтобы использовать в вычислении, заданном как пара, разделенная запятой, состоящая из 'Rows'
и одно из следующих.
'all' | Используйте все строки независимо от пропавших без вести значений (NaN) . |
'complete' | Использование только строки без отсутствующих значений. |
'pairwise' | Используйте все доступные значения в каждом столбце y при вычислении частичных коэффициентов корреляции и p - значения, соответствующие тому столбцу. Для каждого столбца y строки будут пропущены, соответствуя отсутствующим значениям в x (и/или z , если предоставлено). Однако остающиеся строки с допустимыми значениями в том столбце y используются, даже если существуют отсутствующие значения в других столбцах y . |
Пример: 'Rows','complete'
хвост
Альтернативная гипотеза'both'
(значение по умолчанию) | 'right'
| 'left'
Альтернативная гипотеза, чтобы протестировать против, заданный как пара, разделенная запятой, состоящая из 'Tail'
и одно из следующих.
'both' | Протестируйте альтернативную гипотезу, что корреляция не является нулем. |
'right' | Протестируйте альтернативную гипотезу, что корреляция больше, чем 0. |
'left' | Протестируйте альтернативную гипотезу, что корреляция - меньше чем 0. |
Пример: 'Tail','right'
\rho
Демонстрационные линейные частичные коэффициенты корреляцииДемонстрационные линейные частичные коэффициенты корреляции, возвращенные как p y-by-px матрица.
Если вы матрицы входа x
и y
, (i, j) th запись являетесь демонстрационной линейной частичной корреляцией между i th столбец в y
и j th столбец в x
, которым управляют для всех столбцов x
кроме столбца j.
Если вы вход x
, y
и матрицы z
, (i, j) th запись являетесь демонстрационной линейной частичной корреляцией между i th столбец в y
и j th столбец в x
, настроенном для всех столбцов x
кроме столбца j, после первого управления и x
и y
для переменных в z
.
pval
— p - значенияp - значения, возвращенные как матрица. Каждым элементом pval
является p - значение для соответствующего элемента rho
. Если pval(i,j)
является маленьким, то соответствующая частичная корреляция rho(i,j)
статистически существенно отличается от нуля.
partialcorri
вычисляет p - значения для линейного, и оцените частичные корреляции с помощью распределения t Студента для преобразования корреляции. Это точно для линейной частичной корреляции, когда x
и z
нормальны, но приближение большой выборки в противном случае.
1. Если смысл перевода понятен, то лучше оставьте как есть и не придирайтесь к словам, синонимам и тому подобному. О вкусах не спорим.
2. Не дополняйте перевод комментариями “от себя”. В исправлении не должно появляться дополнительных смыслов и комментариев, отсутствующих в оригинале. Такие правки не получится интегрировать в алгоритме автоматического перевода.
3. Сохраняйте структуру оригинального текста - например, не разбивайте одно предложение на два.
4. Не имеет смысла однотипное исправление перевода какого-то термина во всех предложениях. Исправляйте только в одном месте. Когда Вашу правку одобрят, это исправление будет алгоритмически распространено и на другие части документации.
5. По иным вопросам, например если надо исправить заблокированное для перевода слово, обратитесь к редакторам через форму технической поддержки.