Actualmente en JMP, Pearson también es Lancero También eso PAGS el valor es,( z z No requiere conversión) t Es un valor de aproximación de distribución. Pero a partir de la transformada Fisher z PAGS Estoy ansioso por calcular el valor. En particular, en trabajos recientes presentados a sistemas biológicos, el coeficiente de correlación de Pearson también es Spearman también es común. En ese caso, el cálculo del valor P de la transformada z de Fisher es abrumadoramente grande. Me gustaría agradecerte. Además, en cuanto a la configuración del intervalo de confianza, nos gustaría tener una configuración del intervalo de confianza del 95 % mediante la transformada z de Fisher tanto como sea posible. (Además, no se requiere el método exacto para este caso)
Gracias por tu solicitud.
Además, lamento la demora en responder debido al tiempo que lleva comunicarse dentro de nuestro grupo.
Mi nombre es Ono y soy probador en la División JMP Japón de SAS Institute Japan Co., Ltd.
Recibimos una solicitud para agregar el método de aproximación de la transformada Z de Fisher como una opción para el valor p de los coeficientes de correlación de Pearson y Spearman. El mismo método se ha agregado a la lista de solicitudes. Nos gustaría considerarlo más a fondo.
Actual " Correlación multivariada En la plataforma, el valor p para los coeficientes de correlación de Pearson y Spearman se calcula a partir de la distribución t de Student.
Para el coeficiente de correlación de Pearson , El valor p basado en esta distribución t de Student es un valor p preciso en las siguientes condiciones:
- La distribución de cada vector de observación es una distribución independiente e idéntica de la distribución normal multivariada.
- No hay valores perdidos.
- La hipótesis nula es H0: ρij = 0 (donde ρij es el coeficiente de correlación poblacional de Pearson entre las variables iyj).
actual de JMP " Correlación multivariada En la plataforma, los intervalos de confianza para el coeficiente de correlación de Pearson se calculan a partir de la aproximación de la transformada Z de Fisher (sin el término de sesgo). Por lo tanto, si el intervalo de confianza no contiene una constante c (-1.0 <1.0), significa que se rechaza la hipótesis nula "H0: ρij = c" (el factor de confianza por defecto es 95). el nivel de significancia es del 5%).
Si el tamaño de la muestra es grande hasta cierto punto, la prueba basada en la distribución t de Student y la prueba basada en la transformada Z de Fisher tienen resultados similares a los de una prueba para la hipótesis nula "H0: ρij = 0". Sin embargo, los resultados son diferentes, especialmente para muestras pequeñas. Por ello, el actual " Correlación multivariada En la plataforma, es posible que la prueba y el intervalo de confianza resulten en discrepancias (la prueba estadística puede rechazar "H0: ρij = 0", pero el intervalo de confianza puede contener 0. También es posible lo contrario). Esto puede ser un poco confuso para los usuarios. Sin embargo, el método basado en la distribución t de Student descrito anteriormente es un método preciso bajo las condiciones anteriores y es fácil de calcular. Por otro lado, los intervalos de confianza "precisos" son un poco difíciles de calcular. Por esa razón, creo que es racional usar la distribución t de Student como el valor p y la aproximación de la transformada Z de Fisher como el intervalo de confianza.
Actual " Correlación multivariada La plataforma no calcula intervalos de confianza para el coeficiente de correlación de Spearman.
Por lo que sabemos, hay dos métodos para pruebas e intervalos de confianza "precisos". El primero es el intervalo de confianza calculado bajo la premisa de una distribución normal multivariada con respecto al coeficiente de correlación de Pearson. Este método requiere integración numérica si ρij ≠ 0. Debido a la complejidad de los cálculos, parece que la prueba exacta para ρij ≠ 0 y el intervalo de confianza exacto para ρij, en línea con esta idea, no son muy populares. Otra prueba exacta se basa en la prueba de clasificación. La prueba de clasificación es un método "preciso" condicional. Es difícil saber cómo ordenar cuando ρij ≠ 0. Ningún método exacto está implementado en JMP. Para el coeficiente de correlación de Pearson, solo se proporciona el método exacto basado en la distribución t de Student (cuando se trata de una distribución normal multivariante) en "H0: ρij = 0".
En resumen, la JMP actual tiene la siguiente estructura.
- El valor p para los coeficientes de correlación de Pearson y Spearman se calcula en función de la distribución t de Student.
- El intervalo de confianza para el coeficiente de correlación de Pearson se calcula mediante la aproximación de la transformada Z de Fisher (término sin sesgo).
- No se calculan los intervalos de confianza para el coeficiente de correlación de Spearman.
Si desea calcular el valor p a partir de la aproximación de transformación Z de Fisher en el JMP actual, debe programar en JMP Scripting Language (JSL). El código se ve así (el siguiente código es de la transformada Z de Fisher sin término de sesgo): Si está interesado en calcular la transformada Z de Fisher con un código como el siguiente, responda. Voy a explicar el código. Además, lo siguiente es mostrar el método de cálculo de una manera fácil de entender, pero el código se puede hacer más versátil.
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);
Disculpe por el mensaje largo.
Nos gustaría darle las gracias de nuevo por su petición.
Si tiene alguna pregunta o inquietud con respecto a la respuesta anterior, responda.
Sr. Ono
Gracias por su contacto.
No tengo prisa, pero gracias por su amable respuesta.
Por lo tanto, es como sigue.
(1) Abandone la configuración del intervalo de confianza del 95 % con corrección de sesgo mediante la transformada Z de Fisher para el coeficiente de correlación de Spearman.
(2) En cuanto al valor p para el coeficiente de correlación de Pearson y Spearman, entre "transformada Z de Fisher", "distribución t de Student (actualmente instalada)" y "método exacto", P por "transformada Z de Fisher". quiero describir el valor en el papel
En cuanto al valor p para los coeficientes de correlación de Pearson y Spearman,
1) Estoy interesado en el cálculo de la transformada Z de Fisher y me gustaría explicar el código.
2) Estoy interesado en el cálculo de la transformada Z de Fisher y me gustaría una explicación de código más versátil.
Será.
En (2) arriba Renuncio al "método preciso".
El trasfondo es porque queremos usarlo para el análisis de imágenes clínicas de 20-30 casos, por lo que es un pequeño número de 20-30 casos.
Actualmente estoy usando JMP 15.2 (versión de 64 bits de win10)
Seguimos agradeciendo.
Subí el documento PDF de explicación y el ejemplo del programa a la página del enlace a continuación.
Ejemplo de programa (transformada z de Fisher)
El documento PDF primero brindó una descripción general del lenguaje de secuencias de comandos JMP y luego explicó cómo encontrar los valores p y los intervalos de confianza mediante la aproximación de la transformada z de Fisher. Finalmente, presenté un programa de ejemplo que los requiere de manera más genérica.
El archivo con la extensión jsl es un programa de ejemplo. Primero descargue este archivo, abra la tabla de datos para analizar con JMP y luego abra el archivo seleccionando [Archivo] → [Abrir]. Si selecciona [Ejecutar script] en el menú al que se accede haciendo clic con el botón derecho, se ejecutará el programa. Seleccione la columna a analizar en el cuadro de diálogo de inicio llamado.
Si encuentra alguna duda o deficiencia, le agradeceríamos que pudiera responder.
