Постройте переменные корреляции
corrplot( создает матрицу графиков, показывающих корреляции среди пар переменных в X)X. Гистограммы переменных появляются по матричной диагонали; графики рассеивания переменных пар появляются в от диагонали. Наклоны линий ссылки наименьших квадратов в графиках рассеивания равны отображенным коэффициентам корреляции.
corrplot( дополнительные опции использования заданы одним или несколькими аргументами пары "имя-значение". Например, X,Name,Value)corrplot(X,'type','Spearman','testR','on') вычисляет коэффициент порядковой корреляции Копьеносца и тестирует на значительные коэффициенты корреляции.
R = corrplot(___)X отображенный в графиках с помощью любой из комбинаций входных аргументов в предыдущих синтаксисах.
corrplot( графики на осях заданы ax,___)ax вместо текущей системы координат (gca). ax может предшествовать любой из комбинаций входных аргументов в предыдущих синтаксисах.
Постройте корреляции между несколькими временными рядами.
Загрузите данные по канадской инфляции и процентным ставкам.
load Data_CanadaПостройте коэффициенты линейной корреляции Пирсона между всеми парами переменных.
corrplot(DataTable)
График корреляции показывает, что краткосрочные, среднесрочные, и долгосрочные процентные ставки высоко коррелируются.
Чтобы исследовать метку времени данной величины, введите gname(dates) в Командное окно и программное обеспечение представляет интерактивное перекрестие по графику. Чтобы отсоединить метку времени данной величины, кликните по нему с помощью перекрестия.
Постройте порядковые корреляции Кендалла между несколькими временными рядами. Проведите тест гипотезы, чтобы определить, какие корреляции существенно отличаются от нуля.
Загрузите данные по канадской инфляции и процентным ставкам.
load Data_CanadaПостройте коэффициенты порядковой корреляции Кендалла между всеми парами переменных. Задайте тест гипотезы, чтобы определить, какие корреляции существенно отличаются от нуля.
corrplot(DataTable,'type','Kendall','testR','on')
Коэффициенты корреляции, подсвеченные в красном, указывают, какие пары переменных имеют корреляции, существенно отличающиеся от нуля. Для этих временных рядов все пары переменных имеют корреляции, существенно отличающиеся от нуля.
Протестируйте на корреляции, больше, чем нуль между несколькими временными рядами.
Загрузите данные по канадской инфляции и процентным ставкам.
load Data_CanadaВозвратите корреляции попарного Пирсона и соответствующие p-значения для тестирования нулевой гипотезы никакой корреляции против альтернативы с правильным хвостом, что корреляции больше нуля.
[R,PValue] = corrplot(DataTable,'tail','right');
PValue
PValue = 5×5
1.0000 0.0000 0.0000 0.0000 0.0000
0.0000 1.0000 0.0000 0.0000 0.0001
0.0000 0.0000 1.0000 0.0000 0.0000
0.0000 0.0000 0.0000 1.0000 0.0000
0.0000 0.0001 0.0000 0.0000 1.0000
Выход PValue имеет попарные p-значения что-то меньшее чем значение по умолчанию 0,05 уровня значения, указывая, что все пары переменных имеют корреляцию, значительно больше, чем нуль.
Опция 'rows','pairwise', то, которое является значением по умолчанию, может возвратить корреляционную матрицу, которая не является положительна определенный. 'complete' опция всегда возвращает положительно-определенную матрицу, но в целом оценки основаны на меньшем количестве наблюдений.
Использование gname идентифицировать точки в графиках.
Программное обеспечение вычисляет:
p - значения для корреляции Пирсона путем преобразования корреляции, чтобы создать t - статистическая величина с numObs – 2 степени свободы. Преобразование точно когда X нормально.
p- для порядковых корреляций Кендалла и Копьеносца с помощью любого точные распределения сочетания (для размеров небольшой выборки) или приближения большой выборки.
p - значения для двусторонних тестов путем удвоения более значительного из двух односторонних p - значения.
collintest | corr | gname