Pearson ist derzeit ebenfalls bei JMP Speermann Auch dass P Wert ist,( z z Keine Konvertierung erforderlich) T Es ist ein Wert der Verteilungsnäherung. Aber von der Fisher z-Transformation P Ich bin gespannt, den Wert zu berechnen. Insbesondere in neueren Arbeiten zu biologischen Systemen ist auch der Korrelationskoeffizient von Pearson enthalten Spearman ist auch üblich. In diesem Fall ist die P-Wert-Berechnung aus der Fisher-z-Transformation überwältigend groß. Ich möchte dir gerne danken. Was die Konfiguration des Konfidenzintervalls betrifft, möchten wir außerdem so weit wie möglich eine Konfiguration des Konfidenzintervalls von 95 % durch die Fisher-z-Transformation haben. (Außerdem ist die genaue Methode für diesen Fall nicht erforderlich)
Vielen Dank für die Anfrage.
Außerdem entschuldige ich mich für die Verzögerung bei der Beantwortung aufgrund der Zeit, die für die Kommunikation innerhalb unserer Gruppe benötigt wird.
Mein Name ist Ono und ich bin Tester bei der JMP Japan Division von SAS Institute Japan Co., Ltd.
Wir haben eine Anfrage erhalten, die Z-Transformations-Approximationsmethode von Fisher als Option für den p-Wert für die Pearson- und Spearman-Korrelationskoeffizienten hinzuzufügen. Dieselbe Methode wurde der Anforderungsliste hinzugefügt. Wir möchten weiter darüber nachdenken.
Aktuell " Multivariate Korrelation Auf der Plattform wird der p-Wert für die Pearson- und Spearman-Korrelationskoeffizienten aus der Student-t-Verteilung berechnet.
Für den Korrelationskoeffizienten nach Pearson , Der auf dieser Student-t-Verteilung basierende p-Wert ist unter den folgenden Bedingungen ein genauer p-Wert:
- Die Verteilung jedes Beobachtungsvektors ist eine unabhängige und identische Verteilung von der multivariaten Normalverteilung.
- Es gibt keine fehlenden Werte.
- Die Nullhypothese lautet H0: ρij = 0 (wobei ρij Pearsons Populationskorrelationskoeffizient zwischen den i- und j-Variablen ist).
JMPs aktuelle " Multivariate Korrelation Auf der Plattform werden die Konfidenzintervalle für den Pearson-Korrelationskoeffizienten aus der Fisher-Z-Transformations-Näherung (ohne den Bias-Term) berechnet. Wenn das Konfidenzintervall also keine Konstante c enthält (-1,0 < c < 1,0), bedeutet dies, dass die Nullhypothese „H0: ρij = c“ abgelehnt wird (Standardkonfidenzfaktor ist 95). Signifikanzniveau ist 5 %).
Bei einem einigermaßen großen Stichprobenumfang ergeben der Test auf Basis der Student-t-Verteilung und der Test auf Basis der Fisher-Z-Transformation ähnliche Ergebnisse als Test auf die Nullhypothese „H0: ρij = 0“. Die Ergebnisse sind jedoch unterschiedlich, insbesondere bei kleinen Stichproben. Aus diesem Grund ist die aktuelle „ Multivariate Korrelation Auf der Plattform ist es möglich, dass der Test und das Konfidenzintervall zu Abweichungen führen (der statistische Test kann "H0: ρij = 0" ablehnen, aber das Konfidenzintervall kann 0 enthalten. Das Gegenteil ist auch möglich.) Dies kann sein etwas verwirrend für die Benutzer. Das oben beschriebene Verfahren auf der Grundlage der Student'schen t-Verteilung ist jedoch unter den obigen Bedingungen ein genaues Verfahren und leicht zu berechnen. Andererseits sind "genaue" Konfidenzintervalle etwas schwierig zu berechnen. Aus diesem Grund halte ich es für sinnvoll, die t-Verteilung von Student als p-Wert und die Näherung der Z-Transformation von Fisher als Konfidenzintervall zu verwenden.
Aktuell " Multivariate Korrelation Die Plattform berechnet keine Konfidenzintervalle für den Korrelationskoeffizienten nach Spearman.
Soweit wir wissen, gibt es zwei Methoden für "genaue" Tests und Konfidenzintervalle. Das erste ist das Konfidenzintervall, das unter der Prämisse einer multivariaten Normalverteilung in Bezug auf den Korrelationskoeffizienten von Pearson berechnet wird. Dieses Verfahren erfordert eine numerische Integration, falls ρij ≠ 0. Aufgrund der Komplexität der Berechnungen scheinen der exakte Test für ρij ≠ 0 und das exakte Konfidenzintervall für ρij gemäß dieser Idee nicht sehr beliebt zu sein. Ein weiterer exakter Test basiert auf dem Sortiertest. Der Sortiertest ist eine bedingte "genaue" Methode. Es ist schwierig zu wissen, wie man sortiert, wenn ρij ≠ 0. Keine der exakten Methoden ist in JMP implementiert. Für den Korrelationskoeffizienten nach Pearson wird nur die exakte Methode basierend auf der Student-t-Verteilung (wenn es sich um eine multivariate Normalverteilung handelt) bei „H0: ρij = 0“ bereitgestellt.
Zusammenfassend hat das aktuelle JMP die folgende Struktur.
- Der p-Wert für die Pearson- und Spearman-Korrelationskoeffizienten wird basierend auf der Student-t-Verteilung berechnet.
- Das Konfidenzintervall für den Pearson-Korrelationskoeffizienten wird durch Fishers Z-Transformations-Näherung (ohne Bias-Term) berechnet.
- Konfidenzintervalle für den Korrelationskoeffizienten nach Spearman werden nicht berechnet.
Wenn Sie den p-Wert aus Fishers Z-Transformations-Approximation auf dem aktuellen JMP berechnen möchten, müssen Sie in JMP Scripting Language (JSL) programmieren. Der Code sieht folgendermaßen aus (der folgende Code stammt aus Fishers Z-Transformation ohne Bias-Term): Wenn Sie daran interessiert sind, Fishers Z-Transformation mit Code wie unten zu berechnen, antworten Sie bitte. Ich werde den Code erklären. Außerdem soll im Folgenden die Berechnungsmethode leicht verständlich dargestellt werden, der Code kann aber vielseitiger gestaltet werden.
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);
Entschuldigen Sie die lange Nachricht.
Wir möchten uns nochmals für Ihre Anfrage bedanken.
Wenn Sie Fragen oder Bedenken bezüglich der obigen Antwort haben, antworten Sie bitte.
Herr Ono
Vielen Dank für Ihre Kontaktaufnahme.
Ich habe es nicht eilig, sondern danke Ihnen für Ihre höfliche Antwort.
Daher ist es wie folgt.
(1) Aufgeben der 95%-Konfidenzintervallkonfiguration mit Bias-Korrektur durch Fisher-Z-Transformation für den Spearman-Korrelationskoeffizienten.
(2) In Bezug auf den p-Wert für den Korrelationskoeffizienten von Pearson und Spearman, unter „Fisher-Z-Transformation“, „Student-t-Verteilung (aktuell installiert)“ und „genaue Methode“, P durch „Fisher-Z-Transformation“. Weil I den Wert in dem Papier beschreiben wollen
In Bezug auf den p-Wert für die Pearson- und Spearman-Korrelationskoeffizienten gilt:
1) Ich interessiere mich für die Berechnung der Z-Transformation von Fisher und möchte den Code erklären.
2) Ich interessiere mich für die Berechnung der Fisher-Z-Transformation und hätte gerne eine vielseitigere Code-Erklärung.
Es wird sein.
In (2) oben Ich gebe die "genaue Methode" auf.
Der Hintergrund ist, dass wir es für die klinische Bildanalyse von 20-30 Fällen verwenden möchten, es handelt sich also um eine kleine Anzahl von 20-30 Fällen.
Ich verwende derzeit JMP 15.2 (64-Bit-Version von Win10)
Wir danken Ihnen weiterhin.
Ich habe ein PDF-Dokument der Erklärung und ein Programmbeispiel auf der unten verlinkten Seite hochgeladen.
Programmbeispiel (Fisher z-transform)
Das PDF-Dokument gab zunächst einen Überblick über die Skriptsprache JMP und erläuterte dann, wie man die p-Werte und Konfidenzintervalle durch Fishers Z-Transformations-Approximation findet. Schließlich habe ich ein Beispielprogramm vorgestellt, das sie allgemeiner erfordert.
Die Datei mit der Endung jsl ist ein Beispielprogramm. Laden Sie zuerst diese Datei herunter, öffnen Sie die zu analysierende Datentabelle mit JMP und öffnen Sie dann die Datei, indem Sie [Datei] → [Öffnen] auswählen. Wenn Sie [Run Script] aus dem Menü auswählen, das durch Rechtsklick aufgerufen wird, wird das Programm ausgeführt. Wählen Sie im aufgerufenen Startdialog die zu analysierende Spalte aus.
Sollten Sie Fragen oder Mängel feststellen, würden wir uns über eine Antwort freuen.
