多元相關性你好。
我有大約 40 個變數用於分析多元相關性。其中一些需要參數估計，有些需要非參數估計。我應該執行哪種分析（spearman、REML、成對等...）
謝謝！
品質和工藝工程回覆：多元相關性謝謝 ！其實這個觀點聽起來很有道理，我想我會鼓勵它。
回覆：多元相關性只是為了補充皮特的評論。 沒有一種「正確的方法」。 不同的統計學家對於首選方法會有自己的偏見。 有些出版公司有自己的偏見（通常是為他們提供建議的統計學家的結果）。 這並不意味著它是正確的或使其他方法無效。 定量分析尤其受到假設的影響。 圖形則不然。 分析應始終遵循以下順序：
1.實用（從中小企業的角度來看有意義嗎）
2.圖形化（尋找資料中的模式和異常值）
3. 定量
回覆：多元相關性我鼓勵您不要用“...保守或嚴格”或“...安全...”之類的詞來思考一般的統計方法，因為這些詞如果沒有上下文就沒有任何意義。 我認為，透過在特定資料的背景下（連續/分類/離散數字/文字/多重回應等）調查您正在考慮的不同方法及其假設、方法，可以更好地服務您的時間JMP 支援「相關性「空間中的所有這些）、用於收集資料的方法、與資料相關的表徵風險（例如，樣本框架與感興趣群體的相關性）是什麼，然後選擇一種或多種方法最符合您的具體情況。
您提出的另一個完全獨立的問題是您正在尋求“發布”。 好吧，發布的目的是什麼？ 我問的原因是，如果您說發布是為了監管合規性，那麼可能存在通常用於合規性評估或指定用於合規性評估的分析方法指南。
回覆：多元相關性非常感謝您的重播。實際上我要求在一篇論文中發表這個結果。例如，如果其中一種方法更加“保守”或嚴格，我認為使用它可能會更好。
基本上是哪個模型使用起來比較“安全”的問題。
謝謝！
回覆：多元相關性如果沒有更多關於實際數據和結論或您在實際問題中尋求的信息的詳細信息，很難說您應該執行“哪種”方法。 這本身就是一個問題…當您有很多選項可以檢查 JMP 中多變量設定中變數之間的相關性時，為什麼要限制自己使用「一種」方法？ 因此，我天真地從一種良好的老式成對圖形方法開始，然後在探索數據時從那裡添加方法。 這就是 JMP 的一半樂趣和出色功能...您可以隨心所欲地探索，而無需“單向”千篇一律的方法。 並且不要低估高階相關性分析，例如主成分…那裡也可能存在資訊黃金。 無論你做什麼，都要「避免」單一數字，並以圖形方式形象化你所尋求的第一、第二和第三關係。 這又是 JMP 的閃光點。
