partialcorri

Частичные коэффициенты корреляции настроены для внутренних переменных

Описание

пример

rho = partialcorri(y,x) возвращает демонстрационные линейные частичные коэффициенты корреляции между парами переменных в y и x, корректировка для остающихся переменных в x.

пример

rho = partialcorri(y,x,z) возвращает демонстрационные линейные частичные коэффициенты корреляции между парами переменных в y и x, корректировка для остающихся переменных в x, после первого управления обоими x и y для переменных в z.

пример

rho = partialcorri(___,Name,Value) 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.

пример

[rho,pval] = partialcorri(___) также возвращает матричный pval из p - значений для тестирования гипотезы никакой частичной корреляции против одной - или двухсторонняя альтернатива, что существует ненулевая частичная корреляция.

Примеры

свернуть все

Вычислите частичные коэффициенты корреляции для каждой пары переменных в x и y введите матрицы 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 проектируют переменные. Acceleration время, требуемое ускоряться от 0 до 60 миль в час, таким образом, высокое значение для Acceleration соответствует транспортному средству с низким ускорением.

Задайте входные матрицы. y матрица включает критерии качества работы и x матрица включает переменные проекта.

y = [MPG,Acceleration];
x = [Displacement,Horsepower,Weight];

Вычислите коэффициенты корреляции. Включайте только строки без отсутствующих значений в расчете.

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 p- значения как второй выход, 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 x и y введите матрицы 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 проектируют переменные. Acceleration время, требуемое ускоряться от 0 до 60 миль в час, таким образом, высокое значение для Acceleration соответствует транспортному средству с низким ускорением.

Создайте новую переменную Headwind, и случайным образом сгенерируйте данные, чтобы представлять понятие среднего встречного ветра вдоль маршрута измерения эффективности.

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. y матрица включает критерии качества работы и x матрица включает переменные проекта. z матрица 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 расчете.

[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 p- 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

Входные параметры

свернуть все

Матрица данных в виде n-by-px матрица. Строки x соответствуйте наблюдениям, и столбцы соответствуют переменным.

Типы данных: single | double

Матрица данных в виде n-by-py матрица. Строки y соответствуйте наблюдениям, и столбцы соответствуют переменным.

Типы данных: single | double

Матрица данных в виде n-by-pz матрица. Строки z соответствуйте наблюдениям, и столбцы соответствуют переменным.

Типы данных: single | double

Аргументы в виде пар имя-значение

Задайте дополнительные разделенные запятой пары Name,Value аргументы. Name имя аргумента и 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.

Пример: 'Type','Spearman','Rows','complete' вычисляет Копьеносца частичные корреляции с помощью только данные в строках, которые не содержат отсутствующих значений.

Тип частичных корреляций, чтобы вычислить в виде разделенной запятой пары, состоящей из 'Type' и любой 'Pearson' или 'Spearman'. Pearson вычисляет Пирсона (линейные) частичные корреляции. Spearman вычисляет Копьеносца (ранг) частичные корреляции.

Пример: 'Type','Spearman'

Строки, чтобы использовать в расчете в виде разделенной запятой пары, состоящей из 'Rows' и одно из следующих.

'all'Используйте все строки независимо от пропавших без вести (NaN) значения.
'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'

Альтернативная гипотеза, чтобы протестировать против в виде разделенной запятой пары, состоящей из 'Tail' и одно из следующих.

'both'Протестируйте альтернативную гипотезу, что корреляция не является нулем.
'right'Протестируйте альтернативную гипотезу, что корреляция больше 0.
'left'Протестируйте альтернативную гипотезу, что корреляция меньше 0.

Пример: 'Tail','right'

Выходные аргументы

свернуть все

Демонстрационные линейные частичные коэффициенты корреляции, возвращенные как p y-by-px матрица.

  • Если вы вход x и y матрицы, (i, j) th запись являются демонстрационной линейной частичной корреляцией между i th столбец в y и j th столбец в x, управляемый для всех столбцов x кроме столбца j.

  • Если вы вход xY, и z матрицы, (i, j) th запись являются демонстрационной линейной частичной корреляцией между i th столбец в y и j th столбец в x, настроенный для всех столбцов x кроме столбца j, после первого управления обоими x и y для переменных в z.

p-, возвращенные как матрица. Каждый элемент pval p - значение для соответствующего элемента rho. Если pval(i,j) мал, затем 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.

Ссылки

[1] Стюарт, Алан, K. Порядок и С. Арнольд. Усовершенствованная Теория Кендалла Статистики. 6-й выпуск, Объем 2 А, Глава 28, Вайли, 2004.

[2] Фишер, Рональд А. "Распределение частичного коэффициента корреляции". Метрон 3 (1924): 329-332

Смотрите также

|

Введенный в R2013b
Для просмотра документации необходимо авторизоваться на сайте