线性或秩相关
返回输入矩阵中的每对列之间的成对线性相关系数的矩阵rho.
= corr (<一种HR.ef="#d118e239630" class="intrnllnk">X
)X
。
例子一种>rho.
= corr (<一种HR.ef="#d118e239630" class="intrnllnk">X
y
)返回输入矩阵中每对列之间成对相关系数的矩阵X
和y
。
例子一种>[<一种HR.ef="#d118e240048" class="intrnllnk">
rho.
pval.
) = corr (<一种HR.ef="#d118e239630" class="intrnllnk">X
那<一种HR.ef="#d118e239673" class="intrnllnk">y
)也退货pval.
,一个矩阵P.- 用于测试与非零相关的替代假设无相关性的假设。
例子一种>[<一种HR.ef="#d118e240048" class="intrnllnk">
rho.
pval.
) = corr (___那<一种HR.ef="#namevaluepairarguments" class="intrnllnk">名称,价值
)除了先前语法中的输入参数之外,使用一个或多个名称值对参数指定选项。例如,'type','kendall'
指定计算肯德尔tau相关系数。
测试两个矩阵列之间的正,负和非零相关的替代假设。比较相关系数的值和P.- 在每种情况下。
rng (“默认”)x = Randn(50,4);y = randn(50,4);
在矩阵之一之间引入正相关X
矩阵的第四列y
。Y(:,4)= Y(:,4)+ 0.7 * x(:,1);
引入第两列之间的负相关X
和第二栏y
。Y(:,2)= y(:,2)-2 * x(:,2);
测试相关性的替代假设大于零。[rho,pval] = corr(x,y,'尾巴'那“对”)
rho =4×4.0.0627 -0.1438 -0.0035 0.7060 -0.1197 -0.8600 -0.0440 0.1984 -0.1119 0.2210 -0.3433 0.1070 -0.3526 -0.2224 0.1023 0.0374
pval =4×4.0.3327 0.8405 0.5097 0.0000 0.7962 1.0000 0.6192 0.0836 0.7803 0.0615 0.9927 0.2298 0.9940 0.9397 0.2398 0.3982
如所预期的那样,列之一之间的相关系数X
和第四列y
那ρ(1、4)
,有最高的正值,表示两列之间高度正相关。相应的P.-价值,pval(1,4)
,为0到所示的四位,低于的显著性水平0.05
。这些结果表明拒绝了零假设,即两列之间不存在相关性,并得出相关性大于零的结论。
[rho,pval] = corr(x,y,'尾巴'那'剩下')
rho =4×4.0.0627 -0.1438 -0.0035 0.7060 -0.1197 -0.8600 -0.0440 0.1984 -0.1119 0.2210 -0.3433 0.1070 -0.3526 -0.2224 0.1023 0.0374
pval =4×4.0.6673 0.1595 0.4903 1.0000 0.2038 0.0000 0.3808 0.9164 0.2197 0.9385 0.0603 0.7702 0.0603 0.7602 0.6018
如所料,的第二列之间的相关系数X
和第二栏y
那ρ(2,2)
,具有最大的绝对值的负数(-0.86.
),表示两列之间的高负相关性。相应的P.-价值,pval(2,2)
,为0到所示的四位,低于的显著性水平0.05
。同样,这些结果表明对零假设的抑制并导致相关性小于零。
[rho,pval] = corr(x,y)
rho =4×4.0.0627 -0.1438 -0.0035 0.7060 -0.1197 -0.8600 -0.0440 0.1984 -0.1119 0.2210 -0.3433 0.1070 -0.3526 -0.2224 0.1023 0.0374
pval =4×4.0.6654 0.3190 0.9807 0.0000 0.4075 0.0000 0.7615 0.1673 0.4393 0.1231 0.0147 0.4595 0.0120 0.1206 0.4797 0.7964
这P.- 价值,pval(1,4)
和pval(2,2)
,均为零到显示的四位数。因为这P.- 值低于显着性水平0.05
,相关系数ρ(1、4)
和ρ(2,2)
与零有显著的不同。因此,拒绝原假设;相关性不是零。
pval.
-P.- 价值P.-values,以矩阵形式返回。的每个元素pval.
是个P.-value对应的元素rho.
。
pval(a,b)
是小(小于0.05
),然后相关ρ(a, b)
与零显着不同。相关系数的值可以从-1
到+1
。价值-1
表示一列排名与另一个列排名相反,而值为+1
表示两个排名相同。价值0.
表示列之间没有关系。
corr(x,y)
和matlab.®功能corrcoef(x,y)
就是它corrcoef(x,y)
返回两个列向量的相关系数矩阵X
和y
。如果X
和y
不是列向量,corrcoef(x,y)
将它们转换为列向量。[1] Gibbons,J.D.非参数统计推理。第二次。M. Dekker,1985年。
[2]汉兰德,M.和D.A.沃尔夫。非参数统计方法。Wiley,1973年。
[3]肯德尔,M.G.排名相关方法。格里芬,1970年。
[4]最佳,dj,和d。e。罗伯茨。" AS 89算法:斯皮尔曼rho的上尾概率"应用统计,24:377-379。
此功能支持高存储器数据,以限金宝app制:
皮尔森的
支持类型。金宝app