多元相关性你好。
我有大约 40 个变量用于分析多元相关性。其中一些需要参数估计，一些需要非参数估计。我应该执行哪种分析（spearman、REML、成对等...）
谢谢！
质量和工艺工程回复：多元相关性谢谢 ！其实这个观点听起来很有道理，我想我会鼓励它。
回复：多元相关性只是为了补充皮特的评论。 没有一种“正确的方法”。 不同的统计学家对于首选方法会有自己的偏见。 一些出版公司有自己的偏见（通常是为他们提供建议的统计学家的结果）。 这并不意味着它是正确的或使其他方法无效。 定量分析尤其受到假设的影响。 图形则不然。 分析应始终遵循以下顺序：
1.实用（从中小企业的角度来看有意义吗）
2.图形化（寻找数据中的模式和异常值）
3. 定量
回复：多元相关性我鼓励您不要用“...保守或严格”或“...安全...”之类的词来思考一般的统计方法，因为这些词在没有上下文的情况下没有任何意义。 我认为通过研究您正在考虑的不同方法及其假设、方法，在您的特定数据（连续/分类/离散数字/文本/多重响应等）的背景下，您的时间可以得到更好的服务JMP 支持“相关性”空间中的所有这些）、用于收集数据的方法、与数据相关的表征风险（例如，样本框架与感兴趣群体的相关性）是什么，然后选择一种或多种方法最符合您的具体情况。
您提出的另一个完全独立的问题是您正在寻求“发布”。 好吧，发布的目的是什么？ 我问的原因是，如果您说出版是为了监管合规性，那么可能存在通常用于或指定用于合规性评估的分析方法指南。
回复：多元相关性非常感谢您的重播。实际上我要求在一篇论文中发表这个结果。例如，如果其中一种方法更加“保守”或严格，我认为使用它可能会更好。
基本上是哪个模型使用起来更“安全”的问题。
谢谢！
回复：多元相关性如果没有更多关于实际数据和结论或您在实际问题中寻求的信息的详细信息，很难说您应该执行“哪种”方法。 这本身就是一个问题……当您有很多选项可以检查 JMP 中多变量设置中变量之间的相关性时，为什么要限制自己使用“一种”方法呢？ 因此，我天真地从一种良好的老式成对图形方法开始，然后在探索数据时从那里添加方法。 这就是 JMP 的一半乐趣和出色功能...您可以随心所欲地探索，而无需“单向”千篇一律的方法。 并且不要低估高阶相关性分析，例如主成分……那里也可能存在信息黄金。 无论你做什么，都要“避免”单一数字，并以图形方式形象化你所寻求的第一、第二和第三关系。 这又是 JMP 的闪光点。
