Pearson et Spearman peuvent-ils tous deux calculer la valeur P à partir de la transformée en z de Fisher vers cette valeur P ?Actuellement chez JMP, Pearson est également Lancier Aussi que P La valeur est,( z z Aucune conversion requise) t C'est une valeur d'approximation de distribution. Mais à partir de la transformée en z de Fisher P Je suis impatient de calculer la valeur. En particulier, dans des articles récents soumis à des systèmes biologiques, le coefficient de corrélation Pearson est également Spearman est également commun. Dans ce cas, le calcul de la valeur P à partir de la transformée en z de Fisher est extrêmement important. Je voudrais te remercier. De plus, en ce qui concerne la configuration de l'intervalle de confiance, nous aimerions avoir autant que possible une configuration d'intervalle de confiance à 95 % par transformée en z de Fisher. (De plus, la méthode exacte n'est pas requise dans ce cas)
Statistiques et analysesRe : Pearson et Spearman peuvent-ils tous deux calculer la valeur P à partir de la transformée en z de Fisher vers cette valeur P ?Merci pour votre requête.
Aussi, je suis désolé pour le retard de réponse dû au temps qu'il faut pour communiquer au sein de notre groupe.
Je m'appelle Ono et je suis testeur à la division JMP Japan de SAS Institute Japan Co., Ltd.
Nous avons reçu une demande d'ajout de la méthode d'approximation de la transformée en Z de Fisher comme option pour la valeur de p des coefficients de corrélation de Pearson et de Spearman. La même méthode a été ajoutée à la liste des requêtes. Nous aimerions y réfléchir plus avant.
Courant " Corrélation multivariée Sur la plate-forme, la valeur p des coefficients de corrélation de Pearson et Spearman est calculée à partir de la distribution t de Student.
Pour le coefficient de corrélation de Pearson , La valeur de p basée sur cette distribution t de Student est une valeur de p précise dans les conditions suivantes :
- La distribution de chaque vecteur d'observation est une distribution indépendante et identique à la distribution normale multivariée.
- Il n'y a pas de valeurs manquantes.
- L'hypothèse nulle est H0 : ρij = 0 (où ρij est le coefficient de corrélation de population de Pearson entre les variables i et j).
L'actuel de JMP " Corrélation multivariée Sur la plateforme, les intervalles de confiance du coefficient de corrélation de Pearson sont calculés à partir de l'approximation de la transformée en Z de Fisher (sans le terme de biais). Par conséquent, si l'intervalle de confiance ne contient pas de constante c (-1,0 <1,0), cela signifie que l'hypothèse nulle "H0 : ρij = c" est rejetée (le facteur de confiance par défaut est de 95). le seuil de signification est de 5 %).
Si la taille de l'échantillon est importante dans une certaine mesure, le test basé sur la distribution t de Student et le test basé sur la transformée en Z de Fisher ont des résultats similaires en tant que test pour l'hypothèse nulle "H0 : ρij = 0". Cependant, les résultats sont différents, en particulier pour les petits échantillons. Pour cette raison, l'actuel " Corrélation multivariée Sur la plateforme, il est possible que le test et l'intervalle de confiance entraînent des écarts (le test statistique peut rejeter "H0 : ρij = 0", mais l'intervalle de confiance peut contenir 0. L'inverse est également possible.) Cela peut être un peu déroutant pour les utilisateurs. Cependant, la méthode basée sur la distribution t de Student décrite ci-dessus est une méthode précise dans les conditions ci-dessus et est facile à calculer. En revanche, les intervalles de confiance "précis" sont un peu difficiles à calculer. Pour cette raison, je pense qu'il est rationnel d'utiliser la distribution t de Student comme valeur p et l'approximation de la transformée en Z de Fisher comme intervalle de confiance.
Courant " Corrélation multivariée La plateforme ne calcule pas les intervalles de confiance pour le coefficient de corrélation de Spearman.
Pour autant que nous le sachions, il existe deux méthodes pour des tests "précis" et des intervalles de confiance. Le premier est l'intervalle de confiance calculé sur la base d'une distribution normale multivariée par rapport au coefficient de corrélation de Pearson. Cette méthode nécessite une intégration numérique si ρij ≠ 0. En raison de la complexité des calculs, il semble que le test exact pour ρij ≠ 0 et l'intervalle de confiance exact pour ρij, conformément à cette idée, ne soient pas très populaires. Un autre test exact est basé sur le test de tri. Le test de tri est une méthode "précise" conditionnelle. Il est difficile de savoir trier quand ρij ≠ 0. Aucune de ces méthodes exactes n'est implémentée dans JMP. Seule la méthode exacte basée sur la distribution t de Student (lorsqu'il s'agit d'une distribution normale multivariée) à "H0 : ρij = 0" est fournie pour le coefficient de corrélation de Pearson.
En résumé, le JMP actuel a la structure suivante.
- La valeur p des coefficients de corrélation de Pearson et Spearman est calculée sur la base de la distribution t de Student.
- L'intervalle de confiance pour le coefficient de corrélation de Pearson est calculé par l'approximation de la transformée en Z de Fisher (sans terme de biais).
- Les intervalles de confiance pour le coefficient de corrélation de Spearman ne sont pas calculés.
Si vous souhaitez calculer la valeur de p à partir de l'approximation de la transformée en Z de Fisher sur le JMP actuel, vous devez programmer en JMP Scripting Language (JSL). Le code ressemble à ceci (le code ci-dessous provient de la transformée en Z de Fisher sans terme de biais): Si vous êtes intéressé par le calcul de la transformée en Z de Fisher avec un code comme ci-dessous, veuillez répondre. Je vais vous expliquer le code. De plus, ce qui suit est de montrer la méthode de calcul d'une manière facile à comprendre, mais le code peut être rendu plus polyvalent.
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);
Excusez-moi pour le long message.
Nous tenons à vous remercier à nouveau pour votre demande.
Si vous avez des questions ou des préoccupations concernant la réponse ci-dessus, veuillez répondre.
Re : Pearson et Spearman peuvent-ils tous deux calculer la valeur P à partir de la transformée en z de Fisher vers cette valeur P ?M. Ono
Merci pour votre contact.
Je ne suis pas pressé, mais plutôt merci pour votre réponse polie.
Par conséquent, c'est comme suit.
(1) Abandonnez la configuration de l'intervalle de confiance à 95 % avec correction du biais par la transformée Z de Fisher pour le coefficient de corrélation de Spearman.
(2) En ce qui concerne la valeur p pour le coefficient de corrélation de Pearson et Spearman, parmi "Fisher Z transform", "Student's t distribution (actuellement installé)", et "accurate method", P par "Fisher Z transform". Parce que je voulez décrire la valeur dans le papier
En ce qui concerne la valeur p des coefficients de corrélation de Pearson et Spearman,
1) Je suis intéressé par le calcul de la transformée en Z de Fisher et j'aimerais expliquer le code.
2) Je suis intéressé par le calcul de la transformée en Z de Fisher et j'aimerais une explication de code plus polyvalente.
Ce sera.
Dans (2) ci-dessus J'abandonne la "méthode précise".
L'arrière-plan est parce que nous voulons l'utiliser pour l'analyse d'images cliniques de 20 à 30 cas, c'est donc un petit nombre de 20 à 30 cas.
J'utilise actuellement JMP 15.2 (version 64 bits de win10)
Nous continuons à vous remercier.
Re : Pearson et Spearman peuvent-ils tous deux calculer la valeur P à partir de la transformée en z de Fisher vers cette valeur P ?J'ai téléchargé le document PDF explicatif et l'exemple de programme sur la page du lien ci-dessous.
Exemple de programme (transformée en z de Fisher)
Le document PDF a d'abord donné un aperçu du langage de script JMP, puis a expliqué comment trouver les valeurs de p et les intervalles de confiance par l'approximation de la transformée en z de Fisher. Enfin, j'ai présenté un exemple de programme qui les requiert de manière plus générique.
Le fichier avec l'extension jsl est un exemple de programme. Téléchargez d'abord ce fichier, ouvrez la table de données à analyser avec JMP, puis ouvrez le fichier en sélectionnant [Fichier] → [Ouvrir]. Si vous sélectionnez [Exécuter le script] dans le menu appelé par un clic droit, le programme sera exécuté. Sélectionnez la colonne à analyser dans la boîte de dialogue de démarrage appelée.
Si vous trouvez des questions ou des lacunes, nous vous serions reconnaissants si vous pouviez répondre.
