Pearson 和 Spearman 都可以计算从 Fisher z 变换到该 P 值的 P 值吗？目前在 JMP，Pearson 也在斯皮尔曼还有那个磷值为，( Z Z无需转换）吨它是分布近似值。但是从 Fisher z 变换磷我急于计算价值。特别是在最近提交给生物系统的论文中，相关系数Pearson也是斯皮尔曼也很常见。在这种情况下，Fisher z 变换的 P 值计算非常大。我要谢谢你。此外，对于置信区间配置，我们希望尽可能通过 Fisher z 变换获得 95% 的置信区间配置。 （另外，这种情况不需要确切的方法）
统计和分析回复：Pearson 和 Spearman 都可以计算从 Fisher z 变换到该 P 值的 P 值吗？感谢您的要求。
另外，由于我们群内的交流需要时间，所以迟迟没有回复，我深表歉意。
我叫小野，是 SAS Institute Japan Co., Ltd. JMP 日本分部的测试员。
我们收到了一个请求，要求添加 Fisher 的 Z 变换近似方法作为 Pearson 和 Spearman 相关系数的 p 值的选项。相同的方法已添加到请求列表中。我们想进一步考虑。
当前的 ”多元相关在平台上，Pearson 和 Spearman 相关系数的 p 值是根据学生 t 分布计算的。
对于 Pearson 相关系数, 基于此学生 t 分布的 p 值在以下条件下是准确的 p 值：
- 每个观测向量的分布是来自多元正态分布的独立且相同的分布。
- 没有缺失值。
- 原假设是 H0：ρij = 0（其中 ρij 是 i 和 j 变量之间的 Pearson 总体相关系数）。
JMP目前的“多元相关在平台上，Pearson 相关系数的置信区间是根据 Fisher 的 Z 变换近似计算的（没有偏差项）。因此，如果置信区间不包含常数c（-1.0 <1.0），则意味着拒绝原假设“H0: ρij = c”（默认置信因子为95）%，即显着性水平为 5%）。
如果样本量大到一定程度，则基于 Student t 分布的检验和基于 Fisher Z 变换的检验与对原假设“H0: ρij = 0”的检验具有相似的结果。然而，结果是不同的，特别是对于小样本。为此，目前的“多元相关在平台上，有可能检验和置信区间会产生差异（统计检验可能会拒绝“H0: ρij = 0”，但置信区间可能包含0。反之亦然。）这可能是让用户有点困惑。然而，上述基于Student's t分布的方法在上述条件下是一种准确的方法，并且易于计算。另一方面，“准确”的置信区间有点难以计算。出于这个原因，我认为使用 Student t 分布作为 p 值和 Fisher 的 Z 变换近似作为置信区间是合理的。
当前的 ”多元相关该平台不计算 Spearman 相关系数的置信区间。
据我们所知，“准确”检验和置信区间有两种方法。第一个是在关于皮尔逊相关系数的多元正态分布的前提下计算的置信区间。如果 ρij ≠ 0，此方法需要数值积分。由于计算的复杂性，似乎 ρij ≠ 0 的精确检验和 ρij 的精确置信区间符合这个想法，并不是很受欢迎。另一种精确测试基于排序测试。排序测试是有条件的“准确”方法。当 ρij ≠ 0 时，很难知道如何排序。在 JMP 中，这两种方法都没有实现。只有在“H0: ρij = 0”时基于 Student t 分布（当它是多元正态分布时）的精确方法被提供给 Pearson 相关系数。
综上所述，当前的 JMP 具有以下结构。
- Pearson 和 Spearman 相关系数的 p 值是根据学生 t 分布计算的。
- Pearson 相关系数的置信区间通过 Fisher 的 Z 变换（无偏差项）近似计算。
- 不计算 Spearman 相关系数的置信区间。
如果要根据当前 JMP 的 Fisher Z 变换近似计算 p 值，则需要使用 JMP 脚本语言 (JSL) 进行编程。代码如下所示（下面的代码来自 Fisher 的 Z 变换，没有偏置项）：如果您有兴趣使用如下代码计算 Fisher 的 Z 变换，请回复。我将解释代码。另外，下面以通俗易懂的方式展示计算方法，但代码可以做得更加通用。
r = 0.4;
n = 15;
z = 0.5 * Log((1+r)/(1-r));
up_z = z + Normal Quantile(0.975)*Sqrt(1/(n-3));
low_z = z - Normal Quantile(0.975)*Sqrt(1/(n-3));
Show((Exp(2*low_z)-1)/(Exp(2*low_z)+1));
Show((Exp(2*up_z)-1)/(Exp(2*up_z)+1));
p_z = 2*Normal Distribution(-Abs(z*Sqrt(n-3)));
Show(p_z);
t = r * Sqrt((n-2)/(1-r^2));
p_t = 2 * T Distribution(-Abs(t), n - 2);
Show(p_t);
请原谅我的长消息。
我们想再次感谢您的请求。
如果您对上述回复有任何问题或疑虑，请回复。
回复：Pearson 和 Spearman 都可以计算从 Fisher z 变换到该 P 值的 P 值吗？小野先生
感谢您的联系。
我并不着急，而是感谢您的礼貌回答。
因此，如下。
(1)放弃95%置信区间配置，通过Fisher Z变换对Spearman相关系数进行偏差校正。
(2) 关于 Pearson 和 Spearman 的相关系数的 p 值，在“Fisher Z 变换”、“学生 t 分布（当前安装）”和“精确方法”中，P 为“Fisher Z 变换”。因为 I想在论文中描述价值
关于 Pearson 和 Spearman 相关系数的 p 值，
1）我对Fisher Z变换的计算感兴趣，想解释一下代码。
2）我对Fisher's Z-transform的计算感兴趣，想要一个更通用的代码解释。
这将是。
在上述（2）中我放弃了“准确的方法”。
背景是因为我们想用它来做20-30例的临床影像分析，所以是20-30例的少数。
我目前使用的是JMP 15.2（win10的64位版本）
我们继续感谢您。
回复：Pearson 和 Spearman 都可以计算从 Fisher z 变换到该 P 值的 P 值吗？我已将说明的 PDF 文档和程序示例上传到下面链接的页面。
程序示例（Fisher z 变换）
PDF 文档首先对 JMP 脚本语言进行了概述，然后解释了如何通过 Fisher 的 z 变换近似求 p 值和置信区间。最后，我展示了一个更通用地需要它们的示例程序。
扩展名为 jsl 的文件是一个示例程序。先下载这个文件，用JMP打开要分析的数据表，然后选择【文件】→【打开】打开文件。如果从右键单击调用的菜单中选择[Run Script]，将执行程序。在调用的启动对话框中选择要分析的列。
如果您发现任何问题或不足，如果您能回复，我们将不胜感激。
