Attualmente in JMP, è anche Pearson Lanciatore Anche questo P il valore è,( zz Nessuna conversione richiesta) T È un valore di approssimazione della distribuzione. Ma dalla trasformata di Fisher z P Sono ansioso di calcolare il valore. In particolare, in recenti lavori sottoposti a sistemi biologici, anche il coefficiente di correlazione di Pearson è Anche il lanciere è comune. In tal caso, il calcolo del valore P dalla trasformata z di Fisher è straordinariamente grande. Vorrei ringraziarti. Inoltre, per quanto riguarda la configurazione dell'intervallo di confidenza, vorremmo avere una configurazione dell'intervallo di confidenza del 95% mediante la trasformazione z di Fisher il più possibile. (Inoltre, il metodo esatto non è richiesto per questo caso)
Grazie per la vostra richiesta.
Inoltre, mi scuso per il ritardo nella risposta dovuto al tempo necessario per comunicare all'interno del nostro gruppo.
Mi chiamo Ono e sono un tester presso la JMP Japan Division di SAS Institute Japan Co., Ltd.
Abbiamo ricevuto una richiesta per aggiungere il metodo di approssimazione della trasformazione Z di Fisher come opzione per il valore p per i coefficienti di correlazione di Pearson e Spearman. Lo stesso metodo è stato aggiunto all'elenco delle richieste. Vorremmo considerarlo ulteriormente.
Attuale " Correlazione multivariata Sulla piattaforma, il valore p per i coefficienti di correlazione di Pearson e Spearman viene calcolato dalla distribuzione t di Student.
Per il coefficiente di correlazione di Pearson , Il valore p basato sulla distribuzione t di Student è un valore p accurato nelle seguenti condizioni:
- La distribuzione di ciascun vettore di osservazione è una distribuzione indipendente e identica dalla distribuzione normale multivariata.
- Non ci sono valori mancanti.
- L'ipotesi nulla è H0: ρij = 0 (dove ρij è il coefficiente di correlazione della popolazione di Pearson tra le variabili i e j).
corrente di JMP " Correlazione multivariata Sulla piattaforma, gli intervalli di confidenza per il coefficiente di correlazione di Pearson sono calcolati dall'approssimazione della trasformata Z di Fisher (senza il termine di distorsione). Pertanto, se l'intervallo di confidenza non contiene una costante c (-1.0 <1.0), significa che l'ipotesi nulla "H0: ρij = c" è rifiutata (il fattore di confidenza di default è 95). %, ovvero il il livello di significatività è del 5%).
Se la dimensione del campione è in una certa misura ampia, il test basato sulla distribuzione t di Student e il test basato sulla trasformata Z di Fisher hanno risultati simili a quelli del test per l'ipotesi nulla "H0: ρij = 0". Tuttavia, i risultati sono diversi, soprattutto per piccoli campioni. Per questo motivo l'attuale " Correlazione multivariata Sulla piattaforma, è possibile che il test e l'intervallo di confidenza producano discrepanze (il test statistico può rifiutare "H0: ρij = 0", ma l'intervallo di confidenza può contenere 0. È anche possibile il contrario.) Questo può essere un po' di confusione per gli utenti. Tuttavia, il metodo basato sulla distribuzione t di Student sopra descritto è un metodo accurato nelle condizioni di cui sopra ed è facile da calcolare. D'altra parte, gli intervalli di confidenza "accurati" sono un po' difficili da calcolare. Per questo motivo, penso che sia razionale utilizzare la distribuzione t di Student come valore p e l'approssimazione della trasformata Z di Fisher come intervallo di confidenza.
Attuale " Correlazione multivariata La piattaforma non calcola gli intervalli di confidenza per il coefficiente di correlazione di Spearman.
Per quanto ne sappiamo, esistono due metodi per test "accurati" e intervalli di confidenza. Il primo è l'intervallo di confidenza calcolato sulla premessa di una distribuzione normale multivariata rispetto al coefficiente di correlazione di Pearson. Questo metodo richiede l'integrazione numerica se ρij ≠ 0. A causa della complessità dei calcoli, sembra che il test esatto per ρij ≠ 0 e l'intervallo di confidenza esatto per ρij, in linea con questa idea, non siano molto popolari. Un altro test esatto si basa sul test di ordinamento. Il test di ordinamento è un metodo condizionale "accurato". È difficile sapere come ordinare quando ρij ≠ 0. Nessuno dei metodi esatti è implementato in JMP. Per il coefficiente di correlazione di Pearson viene fornito solo il metodo esatto basato sulla distribuzione t di Student (quando è una distribuzione normale multivariata) a "H0: ρij = 0".
In sintesi, l'attuale JMP ha la seguente struttura.
- Il valore p per i coefficienti di correlazione di Pearson e Spearman è calcolato in base alla distribuzione t di Student.
- L'intervallo di confidenza per il coefficiente di correlazione di Pearson è calcolato mediante l'approssimazione della trasformazione Z di Fisher (nessun termine di distorsione).
- Gli intervalli di confidenza per il coefficiente di correlazione di Spearman non vengono calcolati.
Se si desidera calcolare il valore p dall'approssimazione della trasformazione Z di Fisher sul JMP corrente, è necessario programmare in JMP Scripting Language (JSL). Il codice è simile al seguente (il codice seguente è tratto dalla trasformazione Z di Fisher senza termine di distorsione): Se sei interessato a calcolare la trasformata Z di Fisher con un codice come di seguito, rispondi. Ti spiego il codice. Inoltre, quanto segue mostra il metodo di calcolo in modo facile da capire, ma il codice può essere reso più versatile.
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);
Mi scusi per il messaggio lungo.
Vorremmo ringraziarla ancora per la sua richiesta.
In caso di domande o dubbi in merito alla risposta di cui sopra, si prega di rispondere.
Signor Ono
Grazie per il tuo contatto.
Non ho fretta, ma anzi ti ringrazio per la tua cortese risposta.
Pertanto, è il seguente.
(1) Rinunciare alla configurazione dell'intervallo di confidenza del 95% con la correzione del bias mediante la trasformata Z di Fisher per il coefficiente di correlazione di Spearman.
(2) Per quanto riguarda il p-value per il coefficiente di correlazione di Pearson e Spearman, tra "trasformata Fisher Z", "distribuzione t di Student (attualmente installata)" e "metodo accurato", P di "trasformata Fisher Z". voglio descrivere il valore nella carta
Per quanto riguarda il p-value per i coefficienti di correlazione di Pearson e Spearman,
1) Sono interessato al calcolo della trasformata Z di Fisher e vorrei spiegare il codice.
2) Sono interessato al calcolo della trasformata Z di Fisher e vorrei una spiegazione del codice più versatile.
Sarà.
In (2) sopra Rinuncio al "metodo accurato".
Lo sfondo è perché vogliamo usarlo per l'analisi dell'immagine clinica di 20-30 casi, quindi è un piccolo numero di 20-30 casi.
Attualmente sto usando JMP 15.2 (versione a 64 bit di win10)
Continuiamo a ringraziarti.
Ho caricato un documento PDF della spiegazione e un esempio di programma nella pagina collegata di seguito.
Esempio di programma (trasformata z di Fisher)
Il documento PDF ha prima fornito una panoramica del linguaggio di scripting JMP, quindi ha spiegato come trovare i valori p e gli intervalli di confidenza mediante l'approssimazione della trasformazione z di Fisher. Infine, ho presentato un programma di esempio che li richiede in modo più generico.
Il file con estensione jsl è un programma di esempio. Scaricare prima questo file, aprire la tabella di dati da analizzare con JMP, quindi aprire il file selezionando [File] → [Apri]. Se si seleziona [Esegui script] dal menu che viene richiamato facendo clic con il pulsante destro del mouse, il programma verrà eseguito. Selezionare la colonna da analizzare nella finestra di dialogo di avvio chiamata.
Se trovi domande o carenze, ti saremmo grati se potessi rispondere.
