Pearson 和 Spearman 都可以計算從 Fisher z 變換到該 P 值的 P 值嗎？目前在 JMP，Pearson 也在斯皮爾曼還有那個磷值為，( Z Z無需轉換）噸它是分佈近似值。但是從 Fisher z 變換磷我急於計算價值。特別是在最近提交給生物系統的論文中，相關係數Pearson也是斯皮爾曼也很常見。在這種情況下，Fisher z 變換的 P 值計算非常大。我要謝謝你。此外，對於置信區間配置，我們希望盡可能通過 Fisher z 變換獲得 95% 的置信區間配置。 （另外，這種情況不需要確切的方法）
統計和分析回复：Pearson 和 Spearman 都可以計算從 Fisher z 變換到該 P 值的 P 值嗎？感謝您的要求。
另外，由於我們群內的交流需要時間，所以回复遲了，我很抱歉。
我叫小野，是 SAS Institute Japan Co., Ltd. JMP 日本分部的測試員。
我們收到了一個請求，要求添加 Fisher 的 Z 變換近似方法作為 Pearson 和 Spearman 相關係數的 p 值的選項。相同的方法已添加到請求列表中。我們想進一步考慮。
當前的 ”多元相關在平台上，Pearson 和 Spearman 相關係數的 p 值是根據學生 t 分佈計算的。
對於 Pearson 相關係數, 基於此學生 t 分佈的 p 值在以下條件下是準確的 p 值：
- 每個觀測向量的分佈是來自多元正態分佈的獨立且相同的分佈。
- 沒有缺失值。
- 原假設是 H0：ρij = 0（其中 ρij 是 i 和 j 變量之間的 Pearson 總體相關係數）。
JMP目前的“多元相關在平台上，Pearson 相關係數的置信區間是根據 Fisher 的 Z 變換近似計算的（沒有偏差項）。因此，如果置信區間不包含常數c（-1.0 <1.0），則意味著拒絕原假設“H0: ρij = c”（默認置信因子為95）%，即顯著性水平為 5%）。
如果樣本量大到一定程度，則基於 Student t 分佈的檢驗和基於 Fisher 的 Z 變換的檢驗與對原假設“H0: ρij = 0”的檢驗具有相似的結果。然而，結果是不同的，特別是對於小樣本。為此，目前的“多元相關在平台上，有可能檢驗和置信區間會產生差異（統計檢驗可能會拒絕“H0: ρij = 0”，但置信區間可能包含0。反之亦然。）這可能是讓用戶有點困惑。然而，上述基於Student's t分佈的方法在上述條件下是一種準確的方法，並且易於計算。另一方面，“準確”的置信區間有點難以計算。出於這個原因，我認為使用 Student t 分佈作為 p 值和 Fisher 的 Z 變換近似作為置信區間是合理的。
當前的 ”多元相關該平台不計算 Spearman 相關係數的置信區間。
據我們所知，“準確”檢驗和置信區間有兩種方法。第一個是在關於皮爾遜相關係數的多元正態分佈的前提下計算的置信區間。如果 ρij ≠ 0，此方法需要數值積分。由於計算的複雜性，似乎 ρij ≠ 0 的精確檢驗和 ρij 的精確置信區間符合這個想法，並不是很受歡迎。另一種精確測試基於排序測試。排序測試是有條件的“準確”方法。當 ρij ≠ 0 時，很難知道如何排序。在 JMP 中，這兩種方法都沒有實現。只有在“H0: ρij = 0”時基於 Student t 分佈（當它是多元正態分佈時）的精確方法被提供給 Pearson 相關係數。
綜上所述，當前的 JMP 具有以下結構。
- Pearson 和 Spearman 相關係數的 p 值是根據學生 t 分佈計算的。
- Pearson 相關係數的置信區間通過 Fisher 的 Z 變換（無偏差項）近似計算。
- 不計算 Spearman 相關係數的置信區間。
如果要根據當前 JMP 的 Fisher Z 變換近似計算 p 值，則需要使用 JMP 腳本語言 (JSL) 進行編程。代碼如下所示（下面的代碼來自 Fisher 的 Z 變換，沒有偏置項）：如果您有興趣使用如下代碼計算 Fisher 的 Z 變換，請回复。我將解釋代碼。另外，下面以通俗易懂的方式展示計算方法，但代碼可以做得更加通用。
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);
請原諒我的長消息。
我們想再次感謝您的請求。
如果您對上述回復有任何問題或疑慮，請回复。
回复：Pearson 和 Spearman 都可以計算從 Fisher z 變換到該 P 值的 P 值嗎？小野先生
感謝您的聯繫。
我並不著急，而是感謝您的禮貌回答。
因此，如下。
(1)放棄95%置信區間配置，通過Fisher Z變換對Spearman相關係數進行偏差校正。
(2) 關於 Pearson 和 Spearman 相關係數的 p 值，在“Fisher Z 變換”、“學生 t 分佈（當前安裝）”和“精確方法”中，P 為“Fisher Z 變換”。因為 I想在論文中描述價值
關於 Pearson 和 Spearman 相關係數的 p 值，
1）我對Fisher Z變換的計算感興趣，想解釋一下代碼。
2）我對Fisher's Z-transform的計算感興趣，想要一個更通用的代碼解釋。
這將是。
在上述（2）中我放棄了“準確的方法”。
背景是因為我們想用它來做20-30例的臨床影像分析，所以是20-30例的少數。
我目前使用的是JMP 15.2（win10的64位版本）
我們繼續感謝您。
回复：Pearson 和 Spearman 都可以計算從 Fisher z 變換到該 P 值的 P 值嗎？我已將說明的 PDF 文檔和程序示例上傳到下面鏈接的頁面。
程序示例（Fisher z 變換）
PDF 文檔首先對 JMP 腳本語言進行了概述，然後解釋瞭如何通過 Fisher 的 z 變換近似求 p 值和置信區間。最後，我展示了一個更通用地需要它們的示例程序。
擴展名為 jsl 的文件是一個示例程序。先下載這個文件，用JMP打開要分析的數據表，然後選擇【文件】→【打開】打開文件。如果從右鍵單擊調用的菜單中選擇[Run Script]，將執行程序。在調用的啟動對話框中選擇要分析的列。
如果您發現任何問題或不足，如果您能回复，我們將不勝感激。
