线性或秩相关性

#线性或秩相关性| 来源: 网络整理| 查看: 265

打开实时脚本

检验两个矩阵列之间正、负和非零相关性的备择假设。比较每种情况下相关系数的值和 p 值。

生成样本数据。

rng('default') X = randn(50,4); Y = randn(50,4);

在矩阵 X 的第一列和矩阵 Y 的第四列之间引入正相关性。

Y(:,4) = Y(:,4)+0.7*X(:,1);

在 X 的第二列和 Y 的第二列之间引入负相关性。

Y(:,2) = Y(:,2)-2*X(:,2);

检验相关性大于零的备择假设。

[rho,pval] = corr(X,Y,'Tail','right')rho = 4×4 0.0627 -0.1438 -0.0035 0.7060 -0.1197 -0.8600 -0.0440 0.1984 -0.1119 0.2210 -0.3433 0.1070 -0.3526 -0.2224 0.1023 0.0374 pval = 4×4 0.3327 0.8405 0.5097 0.0000 0.7962 1.0000 0.6192 0.0836 0.7803 0.0615 0.9927 0.2298 0.9940 0.9397 0.2398 0.3982

与预期相符，X 的第一列和 Y 的第四列之间的相关系数 rho(1,4) 具有最高的正值，表示这两列之间存在高正相关性。对于所示的四个数，对应的 p 值 pval(1,4) 为零，低于显著性水平 0.05。这些结果表明拒绝这两列之间不存在相关性的原假设，并得出相关性大于零的结论。

检验相关性小于零的备择假设。

[rho,pval] = corr(X,Y,'Tail','left')rho = 4×4 0.0627 -0.1438 -0.0035 0.7060 -0.1197 -0.8600 -0.0440 0.1984 -0.1119 0.2210 -0.3433 0.1070 -0.3526 -0.2224 0.1023 0.0374 pval = 4×4 0.6673 0.1595 0.4903 1.0000 0.2038 0.0000 0.3808 0.9164 0.2197 0.9385 0.0073 0.7702 0.0060 0.0603 0.7602 0.6018

与预期相符，X 的第二列和 Y 的第二列之间的相关系数 rho(2,2) 为绝对值最大的负数 (-0.86)，表示这两列之间存在高负相关性。对于所示的四个数，对应的 p 值 pval(2,2) 为零，低于显著性水平 0.05。同样，这些结果表明拒绝原假设，并得出相关性小于零的结论。

检验相关性不为零的备择假设。

[rho,pval] = corr(X,Y)rho = 4×4 0.0627 -0.1438 -0.0035 0.7060 -0.1197 -0.8600 -0.0440 0.1984 -0.1119 0.2210 -0.3433 0.1070 -0.3526 -0.2224 0.1023 0.0374 pval = 4×4 0.6654 0.3190 0.9807 0.0000 0.4075 0.0000 0.7615 0.1673 0.4393 0.1231 0.0147 0.4595 0.0120 0.1206 0.4797 0.7964

对于所示的四个数，p 值 pval(1,4) 和 pval(2,2) 均为零。由于 p 值低于显著性水平 0.05，因此相关系数 rho(1,4) 和 rho(2,2) 显著不同于零。因此，拒绝原假设；相关性不是零。

【本文地址】

公司简介

联系我们