Datos binarios y correlacionesEl otro día, estaba preguntando sobre datos binarios y correlaciones. Había estado usando la herramienta de correlación multivariante que genera los coeficientes de correlación en una matriz. Sin embargo, a partir de investigaciones posteriores, no creo que el uso de esta herramienta de correlación sea significativo para los datos categóricos porque utiliza la Correlación producto-momento de Pearson. En mis datos, cada valor es un 0 o 1 (aprobado o reprobado), que son datos binarios. He leído que debo usar el Coeficiente Phi para calcular la correlación de números binarios.
Tengo dos preguntas:
1) ¿Puedo interpretar el coeficiente de la misma manera que el PPMC? Sé que cuanto más cerca está de +1, hay una fuerte correlación positiva. Si elevo este coeficiente al cuadrado, ¿puedo seguir usándolo para calcular el coeficiente de determinación?
2) ¿Puedo calcular esto usando JMP? ¿Hay alguna manera de cambiar la matriz de correlación para que calcule este coeficiente phi en lugar del PPMC?
gracias, natalia
Re: Datos binarios y correlaciones¡Gracias de nuevo Marcos! Tu ayuda ha sido genial 
Re: Datos binarios y correlacionesMás grandes preguntas.
En realidad es solo "manzanas con manzanas" o "manzanas con naranjas". Además, es la diferencia entre datos continuos y categóricos.
Si tiene una clasificación de inteligencia y otra clasificación de activos monetarios, puede usar Contingencia para ver si estas variables están asociadas. (Análogo a correlacionado con variables continuas). Por otro lado, si tuviera dos clasificaciones de inteligencia, podría evaluar la asociación pero podría explorar una relación más estricta: el acuerdo. ¿Cuál es la proporción de veces que coincidieron ambas clasificaciones?
Medimos la fuerza de asociación con la razón de probabilidades. Medimos la fuerza del acuerdo con Kappa.
Re: Datos binarios y correlacionesJa, gran pregunta!
OK, la respuesta es que debe haber variación para aprender. Si siempre obtiene la misma respuesta sin importar cuáles sean las condiciones, entonces no puede determinar qué causa que varíe. Las estadísticas no pueden dar respuestas que no están ahí.
Re: Datos binarios y correlacionesBien, encontré dónde encontrar el coeficiente Kappa; está debajo de la tabla "Estadísticas de acuerdos". La tabla "Estadística de acuerdo" solo aparece cuando las variables X e Y tienen los mismos niveles. ¿Qué significa eso? ¿Hay alguna manera de verificar esto?
Re: Datos binarios y correlacionesHola de nuevo Marcos,
Gracias por este guión; es realmente un gran código! Está funcionando bien, y pasé un tiempo aprendiendo cómo lo escribiste (¡creo que también aprendí un poco más sobre secuencias de comandos)!
En su código, entiendo cómo obtuvo el valor kappa o R Square (U) del informe. Si hago manualmente un Ajuste Y por X, simplemente no veo dónde encontrar el coeficiente kappa. Me gustaría saber más sobre este coeficiente y cómo se calcula. Algunos de mis datos pueden tener una columna completa llena de 1, y cuando se incluyen en el informe de contingencia, el informe no se realiza. Del registro y de mi depuración, creo que esto se debe a que el coeficiente kappa no se calcula o no se puede calcular. ¿Por qué es esto?
Re: Datos binarios y correlacionesHola, Mark,
Gracias por el guión. De hecho, esta semana estoy fuera del trabajo, pero sin duda lo intentaré el lunes.
¡Gracias de nuevo!
Re: Datos binarios y correlaciones¿Te funcionó mi guión? ¿Tuviste alguna dificultad?
Re: Datos binarios y correlacionesAquí hay un script que recopila RScuadrado (U) y Kappa de todas las combinaciones de sus columnas binarias:
Names Default To Here( 1 );
dt# = Current Data Table();
If( Is Empty( dt# ),
Throw( "Data table missing" )
);
// user choices.
dlg# = Column Dialog(
Title( "Binary Agreement" ),
yCol# = Col List( "Binary Columns",
Min Col( 2 )
),
"Select columns for agreement"
);
// check if user decides to quit.
If( dlg#["Button"] == -1,
Throw( "User cancelled" );
);
// process information returned from dialog.
Remove From( dlg# ); Eval List( dlg# );
n cols# = N Items( yCol# );
r sqr u# = agree# = Identity( n cols# );
measure# = List();
For( col1# = 1, col1# < n cols#, col1#++,
Insert Into( measure#, yCol#[col1#] << Get Name);
For( col2# = 2, col2# <= n cols#, col2#++,
ct# = dt# << Contingency(
Y( yCol#[col1#] ),
X( yCol#[col2#] ),
Contingency Table( 0 ),
Mosaic Plot( 0 ),
Tests( 1 ),
Agreement Statistic( 1 ),
Invisible
);
ctr# = ct# << Report;
r sqr u#[col1#,col2#] = r sqr u#[col2#,col1#] = ctr#["Tests"][TableBox(1)][NumberColBox(4)][1];
agree#[col1#,col2#] = agree#[col2#,col1#] = ctr#["Kappa Coefficient"][TableBox(1)][NumberColBox(1)][1];
ct# << Close Window;
);
);
Insert Into( measure#, yCol#[col1#] << Get Name );
New Window( "Binary Agreement",
Outline Box( "RSquare (U)",
tb1 = Table Box(
String Col Box( "Measure", measure# )
)
),
Outline Box( "Kappa Coefficient",
tb2 = Table Box(
String Col Box( "Measure", measure# )
)
)
);
For( col# = 1, col# <= n cols#, col#++,
tb1 << Append(
Number Col Box( measure#[col#], r sqr u#[0,col#], << Set Format( 7, 4 ) )
);
tb2 << Append(
Number Col Box( measure#[col#], agree#[0,col#], << Set Format( 7, 4 ) )
);
);
Re: Datos binarios y correlaciones¡Muchas gracias por su respuesta! Estoy familiarizado con JSL, pero no estoy seguro de cómo podría recopilar el valor de RSquare.
Re: Datos binarios y correlacionesEl R Square (U) se basa en la probabilidad, pero se usa exactamente igual que el R Square con variables continuas.
Sí, su interpretación del valor p es correcta.
Se podría escribir un script para iniciar la plataforma de contingencia con cada par, recopilar la estadística R Square (U) e informarlos en una ventana personalizada.
En cuanto a la medida Phi, puede investigar las que ofrece JMP para ver si pueden ser útiles. Nuevamente, dado que todas sus variables miden 0 o 1, el acuerdo podría ser una mejor medida que la asociación.
Re: Datos binarios y correlacionesHola, Mark,
¡Gracias por esto! Probé el análisis de contigencia en dos variables.
Mi RSquare (U) es 0.9208, así que si entiendo esto correctamente, estas dos variables predicen la respuesta de cada una ya que RSquare está bastante cerca de +1.
Mi valor p es <.0001. Dado que estas dos variables son binarias, pasa o falla (1 o 0):
Ho: El resultado de una variable no afecta a la segunda.
Ha: El resultado de una variable tiene efecto sobre la segunda.
Dado que mi valor p es inferior a 0,05, rechazo la hipótesis nula a favor de la hipótesis alternativa, ¿correcto?
Tengo 60 variables binarias diferentes. ¿Es posible obtener el valor de RSquare en una matriz o tabla de datos? Esto sería similar a la matriz de correlación multivariante, pero una tabla de datos también funciona bien. No necesito tener todos estos informes diferentes para lo que estoy trabajando.
Estaba investigando el coeficiente Phi. Dice que cuantifica la asociación entre dos variables binarias. ¿No es posible hacer este cálculo en JMP sin escribir un script?
Re: Datos binarios y correlacionesLos datos categóricos son diferentes de los datos continuos. Sin embargo, generalmente hay medidas y métodos análogos. Por ejemplo, en lugar de hablar de correlación como lo haríamos con variables continuas, hablamos de asociación o acuerdo con variables categóricas. Hay muchas medidas de este tipo y JMP proporciona la mayoría de las medidas importantes y populares.
El método y la medida apropiados dependen de la naturaleza de las categorías:
- número de niveles (2, 3 o más)
- tipo de modelado (nominal u ordinal)
- si se utilizan los mismos niveles para ambas variables
Parece que podría estar interesado en el acuerdo entre dos variables que capturan el mismo nominal , binario niveles Puedes usar el Analizar > Ajustar Y por X Comando para iniciar el Contingencia plataforma. El menú de la plataforma incluye un comando para obtener el acuerdo y otro comando para obtener las medidas de asociación.
Recuerda que puedes seleccionar Herramientas > Ayuda y luego haga clic en un informe para ir directamente a la Ayuda específica para esa información.
Generalmente estas medidas se escalan como correlación por lo que la interpretación es la misma.
No sé por qué seleccionó la medida Phi. También podemos hablar de eso.
