partialcorr
线性或秩偏相关系数
语法
描述
例子
计算偏相关系数
计算偏相关系数对变量之间的输入矩阵。
加载示例数据。转换的性别hospital.Sex
数字组标识符。
负载医院;hospital.SexID = grp2idx(hospital.Sex);
创建一个包含示例数据的输入矩阵。
x =[医院。年代exID hospital.Age hospital.Smoker hospital.Weight];
在每一行x
包含一个病人的性别、年龄、吸烟状况、和重量。
计算部分对变量之间的相关系数x
,而控制剩余的变量的影响x
。
ρ= partialcorr (x)
ρ=4×41.0000 -0.0105 0.0273 0.9421 -0.0105 1.0000 0.0419 0.0369 0.0273 0.0419 1.0000 0.0451 0.9421 0.0369 0.0451 1.0000
矩阵ρ
例如,表明性别和体重之间的相关性为0.9421在控制了其他变量x
。你可以返回
值作为第二输出,并检查确认是否这些相关性显著。
更清晰的显示,以适当的变量和行标签创建一个表。
ρ= array2table(ρ,…“VariableNames”,{“SexID”,“年龄”,“抽烟”,“重量”},…“RowNames”,{“SexID”,“年龄”,“抽烟”,“重量”});disp (的偏相关系数)
偏相关系数
disp(ρ)
SexID年龄吸烟者体重说说SexID 1岁-0.01052 0.027324 0.9421 -0.01052 0.045106 0.027324 - 0.041945 0.041945 - 0.036873吸烟者1重量0.9421 0.036873 0.045106 1
检测部分和控制变量的相关性
测试部分的变量之间的相关性对输入矩阵,同时控制了第二组变量的影响。
加载示例数据。转换的性别hospital.Sex
数字组标识符。
负载医院;hospital.SexID = grp2idx(hospital.Sex);
创建两个矩阵包含样例数据。
x =[医院。时代的医院。血压]; z = [hospital.SexID hospital.Smoker hospital.Weight];
的x
矩阵中包含的变量为偏相关测试。的z
矩阵包含了变量来控制。的测量血压
两列中包含:第一列包含上部(收缩压)号码,第二列包含较低(舒张压)号码。partialcorr
对待每一列作为一个独立的变量。
测试部分对变量之间的相关性x
,而控制变量的影响z
。计算相关系数。
(ρ,pval) = partialcorr (x, z)
ρ=3×31.0000 0.1300 0.0462 0.1300 1.0000 0.0012 0.0462 0.0012 1.0000
pval =3×30 0 0.2044 0.6532 0.2044 0.9903 0.6532 0.9903 0
大值pval
表明之间没有显著相关性要么年龄和血压测量在控制了性别、吸烟状况、和重量。
清晰的展示,以适当的变量创建表和行标签。
ρ= array2table(ρ,…“VariableNames”,{“年龄”,“BPTop”,“BPBottom”},…“RowNames”,{“年龄”,“BPTop”,“BPBottom”});pval = array2table (pval,…“VariableNames”,{“年龄”,“BPTop”,“BPBottom”},…“RowNames”,{“年龄”,“BPTop”,“BPBottom”});disp (的偏相关系数)
偏相关系数
disp(ρ)
年龄BPTop BPBottom ________替年龄1 0.13 0.046202 0.13 BPTop 1 0.0012475 BPBottom 0.046202 - 0.0012475 1
disp (“假定值”)
假定值
disp (pval)
____ ____年龄BPTop BPBottom ________年龄0 0.20438 0.65316 BPTop 0.20438 0 0.99032 BPBottom 0.65316 - 0.99032 0
测试成对的偏相关系数
测试部分对变量之间的相关性x
和y
输入矩阵,同时控制第三个变量的影响。
加载示例数据。转换的性别hospital.Sex
数字组标识符。
负载医院;hospital.SexID = grp2idx(hospital.Sex);
创建三个矩阵包含样例数据。
x = [hospital.BloodPressure];y =[医院。体重hospital.Age];z =[医院。年代exID hospital.Smoker];
partialcorr
可以测试之间的偏相关变量的对吗x
(收缩压和舒张压的测量)y
(体重和年龄),而控制变量z
(性别和吸烟状况)。的测量血压
两列中包含:第一列包含上部(收缩压)号码,第二列包含较低(舒张压)号码。partialcorr
对待每一列作为一个独立的变量。
测试部分对变量之间的相关性x
和y
,而控制变量的影响z
。计算相关系数。
(ρ,pval] = partialcorr (x, y, z)
ρ=2×2-0.0257 0.1289 0.0292 0.0472
pval =2×20.8018 0.2058 0.7756 0.6442
的结果pval
表明,在控制了性别和吸烟状况,之间没有显著相关性的病人的血压测量病人的体重或年龄。
清晰的展示,以适当的变量创建表和行标签。
ρ= array2table(ρ,…“RowNames”,{“BPTop”,“BPBottom”},…“VariableNames”,{“重量”,“年龄”});pval = array2table (pval,…“RowNames”,{“BPTop”,“BPBottom”},…“VariableNames”,{“重量”,“年龄”});disp (的偏相关系数)
偏相关系数
disp(ρ)
体重年龄说BPTop -0.02568 0.12893 BPBottom 0.029168 - 0.047226
disp (“假定值”)
假定值
disp (pval)
体重年龄_________ BPTop 0.80182 - 0.2058 BPBottom 0.77556 - 0.64424
单侧偏相关测试
测试变量的假设对没有相关性,对备择假设,相关性大于0。
加载示例数据。转换的性别hospital.Sex
数字组标识符。
负载医院;hospital.SexID = grp2idx(hospital.Sex);
创建三个矩阵包含样例数据。
x = [hospital.BloodPressure];y =[医院。体重hospital.Age];z =[医院。年代exID hospital.Smoker];
partialcorr
可以测试之间的偏相关变量的对吗x
(收缩压和舒张压的测量)y
(体重和年龄),而控制变量z
(性别和吸烟状况)。的测量血压
两列中包含:第一列包含上部(收缩压)号码,第二列包含较低(舒张压)号码。partialcorr
对待每一列作为一个独立的变量。
使用right-tailed测试计算相关系数。
(ρ,pval) = partialcorr (x, y, z,“尾巴”,“对”)
ρ=2×2-0.0257 0.1289 0.0292 0.0472
pval =2×20.5991 0.1029 0.3878 0.3221
的结果pval
表明,partialcorr
不拒绝零假设的变量之间的非零相关性x
和y
后,控制变量z
当备择假设是相关性大于0。
清晰的展示,以适当的变量创建表和行标签。
ρ= array2table(ρ,…“RowNames”,{“BPTop”,“BPBottom”},…“VariableNames”,{“重量”,“年龄”});pval = array2table (pval,…“RowNames”,{“BPTop”,“BPBottom”},…“VariableNames”,{“重量”,“年龄”});disp (的偏相关系数)
偏相关系数
disp(ρ)
体重年龄说BPTop -0.02568 0.12893 BPBottom 0.029168 - 0.047226
disp (“假定值”)
假定值
disp (pval)
体重年龄_________ BPTop 0.59909 - 0.1029 BPBottom 0.38778 - 0.32212
输入参数
x
- - - - - -数据矩阵
矩阵
数据矩阵,作为指定n——- - - - - -px矩阵。的行x
对应于观测,列对应的变量。
数据类型:单
|双
y
- - - - - -数据矩阵
矩阵
数据矩阵,作为指定n——- - - - - -py矩阵。的行y
对应于观测,列对应的变量。
数据类型:单
|双
z
- - - - - -数据矩阵
矩阵
数据矩阵,作为指定n——- - - - - -pz矩阵。的行z
对应于观测,列对应变量。
数据类型:单
|双
名称-值对的观点
指定可选的逗号分隔条名称,值
参数。的名字
参数名称和吗价值
相应的价值。的名字
必须出现在引号。您可以指定几个名称和值对参数在任何顺序Name1, Value1,…,的家
。
“类型”、“枪兵”,“行”,“完成”
计算枪兵只使用部分相关性的数据行不包含缺失值。
“类型”
- - - - - -类型的局部相关性
皮尔森的
(默认)|“枪兵”
类型的局部相关性计算,指定为逗号分隔组成的“类型”
和一个以下。
皮尔森的 |
计算皮尔逊(线性)部分的相关性。 |
“枪兵” |
计算枪兵(排名)部分的相关性。 |
例子:“类型”,“枪兵”
“行”
- - - - - -行计算使用
“所有”
(默认)|“完成”
|“成对”
行计算,使用指定为逗号分隔组成的“行”
和一个以下。
“所有” |
使用输入的所有行不管缺失的值(南 年代)。 |
“完成” |
只使用输入没有缺失值的行。 |
“成对” |
计算ρ(i, j) 使用行没有缺失值的列我 或j 。 |
例子:“行”,“完成”
“尾巴”
- - - - - -备择假设
“两个”
(默认)|“对”
|“左”
备择假设测试,指定为逗号分隔组成的“尾巴”
和一个以下。
“两个” |
测试相关的备择假设不是0。 |
“对” |
测试备择假设相关性大于0。 |
“左” |
测试相关的备择假设小于0。 |
例子:“尾巴”,“对”
输出参数
ρ
——样本线性偏相关系数
矩阵
样本线性偏相关系数,作为一个矩阵返回。
的协方差矩阵[x, z]
是
的偏相关矩阵x
,控制了z
,可以定义正式作为一个标准化的协方差矩阵:年代xx- (年代xz年代zz1年代xzT)。
引用
斯图尔特[1],艾伦·k·奥德,阿诺德。肯德尔的先进的统计理论。第六版,卷2,28章,威利,2004年。
[2]费舍尔,罗纳德·A。偏相关系数的分布。密特隆3 (1924):329 - 332
另请参阅
MATLAB命令
你点击一个链接对应MATLAB命令:
运行该命令通过输入MATLAB命令窗口。Web浏览器不支持MATLAB命令。金宝app
你也可以从下面的列表中选择一个网站:
表现最好的网站怎么走吗
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。