线性或秩偏相关系数
计算输入矩阵中变量对之间的偏相关系数。
加载示例数据。转换性别医院。性
到数字组标识符。
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。性ID hospital.Age hospital.Smoker hospital.Weight];
在每一行x
包括病人的性别、年龄、吸烟情况和体重。
计算变量对之间的偏相关系数x
,同时控制中剩余变量的影响x
.
ρ= partialcorr (x)
rho=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
表示,例如,在控制了所有其他变量后,性别和体重之间的相关性为0.9421x
.你可以退回
-值作为第二个输出,并检查它们,以确认这些相关性是否具有统计学意义。
为了更清晰地显示,请创建一个带有适当变量和行标签的表。
rho=阵列2表(rho,...“变化无常”, {“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)
性别年龄吸烟者体重1-0.01052 0.027324 0.9421年龄-0.01052 1 0.041945 0.036873吸烟者0.027324 0.041945 1 0.045106体重0.9421 0.036873 0.045106
测试输入矩阵中变量对之间的部分相关性,同时控制第二组变量的影响。
加载示例数据。转换性别医院。性
到数字组标识符。
负载医院;hospital.SexID=grp2idx(hospital.Sex);
创建两个包含样本数据的矩阵。
x=[医院.年龄医院.血压];z=[医院.性医院.吸烟者医院.体重];
这个x
矩阵包含用于测试偏相关的变量Z
矩阵包含要控制的变量。的测量血压
包含在两列中:第一列包含上部(收缩)数,第二列包含下部(舒张)数。partialcorr
将每列视为单独的变量。
中变量对之间的偏相关检验x
,同时控制中变量的影响Z
.计算相关系数。
(ρ,pval) = partialcorr (x, z)
rho=3×31.0000 0.1300 0.0462 0.1300 1.0000 0.0012 0.0462 0.0012 1.0000
pval =3×30 0.2044 0.6532 0.2044 0 0.9903 0.6532 0.9903
中的大值pval
表明在控制性别、吸烟状况和体重后,年龄和血压测量值之间没有显著相关性。
为了更清晰地显示,请创建带有适当变量和行标签的表。
rho=阵列2表(rho,...“变化无常”, {“年龄”,“BPTop”,“BPBottom”},...“RowNames”, {“年龄”,“BPTop”,“BPBottom”});pval=阵列2表格(pval,...“变化无常”, {“年龄”,“BPTop”,“BPBottom”},...“RowNames”, {“年龄”,“BPTop”,“BPBottom”}); disp(的偏相关系数)
偏相关系数
disp(ρ)
Age BPTop BPBottom ________ _________ _________ Age 1 0.13 0.046202 BPTop 0.13 1 0.0012475 BPBottom 0.046202 0.0012475 1
disp (“假定值”)
假定值
显示(pval)
Age BPTop BPBottom _______ _______ ________ Age 0 0.20438 0.65316 BPTop 0.20438 0 0.99032 BPBottom 0.65316 0.99032 0
中对变量之间的偏相关检验x
和Y
输入矩阵,同时控制第三组变量的影响。
加载示例数据。转换性别医院。性
到数字组标识符。
负载医院;hospital.SexID=grp2idx(hospital.Sex);
创建包含样本数据的三个矩阵。
x = [hospital.BloodPressure];y =[医院。体重hospital.Age];z =[医院。性ID hospital.Smoker];
partialcorr
能否检验变量对之间的偏相关性x
(收缩压和舒张压测量值)和Y
(体重和年龄),同时控制在Z
(性别、吸烟情况)。的测量血压
包含在两列中:第一列包含上部(收缩)数,第二列包含下部(舒张)数。partialcorr
将每列视为单独的变量。
中变量对之间的偏相关检验x
和Y
,同时控制中变量的影响Z
.计算相关系数。
(ρ,pval] = partialcorr (x, y, z)
rho=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,在控制性别和吸烟状况后,患者的血压测量值与患者的体重或年龄之间没有显著相关性。
为了更清晰地显示,请创建带有适当变量和行标签的表。
rho=阵列2表(rho,...“RowNames”, {“BPTop”,“BPBottom”},...“变化无常”, {“重量”,“年龄”});pval=阵列2表格(pval,...“RowNames”, {“BPTop”,“BPBottom”},...“变化无常”, {“重量”,“年龄”}); disp(的偏相关系数)
偏相关系数
disp(ρ)
体重年龄________ ________ BPTop -0.02568 0.12893 BPBottom 0.029168 0.047226
disp (“假定值”)
假定值
显示(pval)
体重年龄uuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuu
检验对变量没有相关性的假设,与相关性大于0的备择假设。
加载示例数据。转换性别医院。性
到数字组标识符。
负载医院;hospital.SexID=grp2idx(hospital.Sex);
创建包含样本数据的三个矩阵。
x = [hospital.BloodPressure];y =[医院。体重hospital.Age];z =[医院。性ID hospital.Smoker];
partialcorr
能否检验变量对之间的偏相关性x
(收缩压和舒张压测量值)和Y
(体重和年龄),同时控制在Z
(性别、吸烟情况)。的测量血压
包含在两列中:第一列包含上部(收缩)数,第二列包含下部(舒张)数。partialcorr
将每列视为单独的变量。
使用右尾检验计算相关系数。
(ρ,pval) = partialcorr (x, y, z,“尾巴”,“对”)
rho=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
不拒绝中变量之间非零相关性的零假设x
和Y
,在控制中的变量后Z
,当另一种假设是相关性大于0时。
为了更清晰地显示,请创建带有适当变量和行标签的表。
rho=阵列2表(rho,...“RowNames”, {“BPTop”,“BPBottom”},...“变化无常”, {“重量”,“年龄”});pval=阵列2表格(pval,...“RowNames”, {“BPTop”,“BPBottom”},...“变化无常”, {“重量”,“年龄”}); disp(的偏相关系数)
偏相关系数
disp(ρ)
体重年龄________ ________ BPTop -0.02568 0.12893 BPBottom 0.029168 0.047226
disp (“假定值”)
假定值
显示(pval)
体重年龄uuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuu
x
—数据矩阵数据矩阵,指定为N——- - - - - -Px矩阵。的行x
对应观察值,列对应变量。
数据类型:单一的
|双
Y
—数据矩阵数据矩阵,指定为N——- - - - - -PY矩阵。的行Y
对应观察值,列对应变量。
数据类型:单一的
|双
Z
—数据矩阵数据矩阵,指定为N——- - - - - -PZ矩阵。的行Z
对应观察值,列对应变量。
数据类型:单一的
|双
指定可选的逗号分隔的字符对名称,值
参数。名称
是参数名和价值
为对应值。名称
必须出现在引号内。可以以任意顺序指定多个名称和值对参数Name1, Value1,…,的家
.
“类型”、“枪兵”,“行”,“完成”
仅使用不包含缺失值的行中的数据计算Spearman偏相关。
“类型”
—偏相关类型皮尔森的
(默认)|“斯皮尔曼”
要计算的部分关联的类型,指定为由逗号分隔的对组成“类型”
和下面的一个。
皮尔森的 |
计算皮尔逊(线性)偏相关。 |
“斯皮尔曼” |
计算斯皮尔曼(秩)偏相关。 |
例子:“类型”,“枪兵”
“行”
—在计算中使用的行“所有”
(默认)|“完成”
|“成对”
要在计算中使用的行,指定为逗号分隔对,由“行”
和下面的一个。
“所有” |
使用输入的所有行,不管是否缺少值(南 年代)。 |
“完成” |
只使用不缺少值的输入行。 |
“成对” |
计算rho(i,j) 使用列中不缺少值的行我 或J . |
例子:“行”,“完成”
“尾巴”
—替代假设“两个”
(默认)|“对”
|“左”
检验的替代假设,指定为逗号分隔对,包括“尾巴”
和下面的一个。
“两个” |
检验相关性不为0的替代假设。 |
“对” |
检验相关性大于0的替代假设。 |
“左” |
检验相关性小于0的替代假设。 |
例子:“尾巴”,“对”
ρ
-样本线性偏相关系数样本线性偏相关系数,作为矩阵返回。
如果[x,z]
是
然后给出了系统的偏相关矩阵x
,控制Z
,可以正式定义为协方差矩阵的规范化版本:sxx- (sxzszz–1sxzT).
你点击一个链接对应于这个MATLAB命令:
通过在MATLAB命令窗口中输入命令来运行命令。Web浏览器不支持MATLAB命令。金宝app
你也可以从以下列表中选择一个网站:
选择中国站点(中文或英文)以获得最佳站点性能。其他MathWorks国家/地区站点不适合您所在位置的访问。