Esta página aún no se ha traducido para esta versión. Puede ver la versión más reciente de esta página en inglés.

partialcorr

Coeficientes de correlación parciales lineales o de clasificación

Descripción

ejemplo

rho = partialcorr(x) Devuelve los coeficientes de correlación parcial lineal de muestra entre pares de variables en, controlando las variables restantes en.xx

ejemplo

rho = partialcorr(x,z) Devuelve los coeficientes de correlación parcial lineal de muestra entre pares de variables en, controlando las variables en.xz

ejemplo

rho = partialcorr(x,y,z) Devuelve los coeficientes de correlación parcial lineal de ejemplo entre pares de variables en y, controlando las variables en.xyz

ejemplo

rho = partialcorr(___,Name,Value) Devuelve los coeficientes de correlación parcial lineal de ejemplo con opciones adicionales especificadas por uno o más argumentos de par nombre-valor, utilizando argumentos de entrada de cualquiera de las sintaxis anteriores. Por ejemplo, puede especificar si desea utilizar correlaciones parciales de Pearson o Spearman, o especificar cómo tratar los valores faltantes.

ejemplo

[rho,pval] = partialcorr(___) también devuelve una matriz de valores para probar la hipótesis de ninguna correlación parcial con la alternativa de uno o dos lados que hay una correlación parcial distinta de cero.pvalp

Ejemplos

contraer todo

Calcule los coeficientes de correlación parcial entre pares de variables en la matriz de entrada.

Cargue los datos de ejemplo. Convierta los géneros en identificadores numéricos de grupo.hospital.Sex

load hospital; hospital.SexID = grp2idx(hospital.Sex);

Cree una matriz de entrada que contenga los datos de ejemplo.

x = [hospital.SexID hospital.Age hospital.Smoker hospital.Weight];

Cada fila contiene el sexo, la edad, el estado de tabaquismo y el peso del paciente.x

Calcule los coeficientes de correlación parcial entre pares de variables en, mientras controla los efectos de las variables restantes en.xx

rho = partialcorr(x)
rho = 4×4

    1.0000   -0.0105    0.0273    0.9421
   -0.0105    1.0000    0.0419    0.0369
    0.0273    0.0419    1.0000    0.0451
    0.9421    0.0369    0.0451    1.0000

La matriz indica, por ejemplo, una correlación de 0,9421 entre el género y el peso después de controlar para todas las demás variables en.rhox Puede devolver el

<math display="block">
<mrow>
<mi>p</mi>
</mrow>
</math>
-valores como una segunda salida, y examinarlos para confirmar si estas correlaciones son estadísticamente significativas.

Para una visualización más clara, cree una tabla con las etiquetas de fila y variable apropiadas.

rho = array2table(rho, ...     'VariableNames',{'SexID','Age','Smoker','Weight'},...     'RowNames',{'SexID','Age','Smoker','Weight'});  disp('Partial Correlation Coefficients')
Partial Correlation Coefficients 
disp(rho)
               SexID        Age        Smoker      Weight                ________    ________    ________    ________      SexID            1    -0.01052    0.027324      0.9421     Age       -0.01052           1    0.041945    0.036873     Smoker    0.027324    0.041945           1    0.045106     Weight      0.9421    0.036873    0.045106           1 

Pruebe la correlación parcial entre pares de variables en la matriz de entrada, mientras controla los efectos de un segundo conjunto de variables.

Cargue los datos de ejemplo. Convierta los géneros en identificadores numéricos de grupo.hospital.Sex

load hospital; hospital.SexID = grp2idx(hospital.Sex);

Cree dos matrices que contengan los datos de ejemplo.

x = [hospital.Age hospital.BloodPressure]; z = [hospital.SexID hospital.Smoker hospital.Weight];

La matriz contiene las variables para probar la correlación parcial.x La matriz contiene las variables para controlar.z Las mediciones están contenidas en dos columnas:BloodPressure La primera columna contiene el número superior (sistólica), y la segunda columna contiene el número inferior (diastólico). trata cada columna como una variable independiente.partialcorr

Pruebe la correlación parcial entre pares de variables en, mientras controla los efectos de las variables en.xz Calcule los coeficientes de correlación.

[rho,pval] = partialcorr(x,z)
rho = 3×3

    1.0000    0.1300    0.0462
    0.1300    1.0000    0.0012
    0.0462    0.0012    1.0000

pval = 3×3

         0    0.2044    0.6532
    0.2044         0    0.9903
    0.6532    0.9903         0

Los valores grandes indican que no hay correlación significativa entre la edad y la medición de la presión arterial después de controlar el sexo, el estado de tabaquismo y el peso.pval

Para una visualización más clara, cree tablas con las etiquetas de fila y variable apropiadas.

rho = array2table(rho, ...     'VariableNames',{'Age','BPTop','BPBottom'},...     'RowNames',{'Age','BPTop','BPBottom'});  pval = array2table(pval, ...     'VariableNames',{'Age','BPTop','BPBottom'},...     'RowNames',{'Age','BPTop','BPBottom'});  disp('Partial Correlation Coefficients')
Partial Correlation Coefficients 
disp(rho)
                  Age         BPTop      BPBottom                  ________    _________    _________      Age                1         0.13     0.046202     BPTop           0.13            1    0.0012475     BPBottom    0.046202    0.0012475            1 
disp('p-values')
p-values 
disp(pval)
                  Age       BPTop     BPBottom                 _______    _______    ________      Age               0    0.20438    0.65316      BPTop       0.20438          0    0.99032      BPBottom    0.65316    0.99032          0  

Pruebe la correlación parcial entre pares de variables en las matrices de entrada y, mientras controla los efectos de un tercer conjunto de variables.xy

Cargue los datos de ejemplo. Convierta los géneros en identificadores numéricos de grupo.hospital.Sex

load hospital; hospital.SexID = grp2idx(hospital.Sex);

Cree tres matrices que contengan los datos de muestra.

x = [hospital.BloodPressure]; y = [hospital.Weight hospital.Age]; z = [hospital.SexID hospital.Smoker];

puede probar la correlación parcial entre los pares de variables en (las mediciones de la presión arterial sistólica y diastólica) y (peso y edad), mientras que el control de las variables en (el sexo y el estado de tabaquismo).partialcorrxyz Las mediciones están contenidas en dos columnas:BloodPressure La primera columna contiene el número superior (sistólica), y la segunda columna contiene el número inferior (diastólico). trata cada columna como una variable independiente.partialcorr

Pruebe la correlación parcial entre pares de variables en y, mientras controla los efectos de las variables en.xyz Calcule los coeficientes de correlación.

[rho,pval] = partialcorr(x,y,z)
rho = 2×2

   -0.0257    0.1289
    0.0292    0.0472

pval = 2×2

    0.8018    0.2058
    0.7756    0.6442

Los resultados indican que, después de controlar el sexo y el estado de tabaquismo, no existe una correlación significativa entre las mediciones de la presión arterial del paciente y el peso o la edad del paciente.pval

Para una visualización más clara, cree tablas con las etiquetas de fila y variable apropiadas.

rho = array2table(rho, ...     'RowNames',{'BPTop','BPBottom'},...     'VariableNames',{'Weight','Age'});  pval = array2table(pval, ...     'RowNames',{'BPTop','BPBottom'},...     'VariableNames',{'Weight','Age'});  disp('Partial Correlation Coefficients')
Partial Correlation Coefficients 
disp(rho)
                 Weight       Age                    ________    ________      BPTop       -0.02568     0.12893     BPBottom    0.029168    0.047226 
disp('p-values')
p-values 
disp(pval)
                Weight       Age                   _______    _______      BPTop       0.80182     0.2058     BPBottom    0.77556    0.64424 

Pruebe la hipótesis de que los pares de variables no tienen correlación, en contra de la hipótesis alternativa de que la correlación es mayor que 0.

Cargue los datos de ejemplo. Convierta los géneros en identificadores numéricos de grupo.hospital.Sex

load hospital; hospital.SexID = grp2idx(hospital.Sex);

Cree tres matrices que contengan los datos de muestra.

x = [hospital.BloodPressure]; y = [hospital.Weight hospital.Age]; z = [hospital.SexID hospital.Smoker];

puede probar la correlación parcial entre los pares de variables en (las mediciones de la presión arterial sistólica y diastólica) y (peso y edad), mientras que el control de las variables en (el sexo y el estado de tabaquismo).partialcorrxyz Las mediciones están contenidas en dos columnas:BloodPressure La primera columna contiene el número superior (sistólica), y la segunda columna contiene el número inferior (diastólico). trata cada columna como una variable independiente.partialcorr

Calcule los coeficientes de correlación mediante una prueba de cola derecha.

[rho,pval] = partialcorr(x,y,z,'Tail','right')
rho = 2×2

   -0.0257    0.1289
    0.0292    0.0472

pval = 2×2

    0.5991    0.1029
    0.3878    0.3221

Los resultados indican que no rechaza la hipótesis nula de correlaciones nulas entre las variables en y, después de controlar las variables en, cuando la hipótesis alternativa es que las correlaciones son mayores que 0.pvalpartialcorrxyz

Para una visualización más clara, cree tablas con las etiquetas de fila y variable apropiadas.

rho = array2table(rho, ...     'RowNames',{'BPTop','BPBottom'},...     'VariableNames',{'Weight','Age'});  pval = array2table(pval, ...     'RowNames',{'BPTop','BPBottom'},...     'VariableNames',{'Weight','Age'});  disp('Partial Correlation Coefficients')
Partial Correlation Coefficients 
disp(rho)
                 Weight       Age                    ________    ________      BPTop       -0.02568     0.12893     BPBottom    0.029168    0.047226 
disp('p-values')
p-values 
disp(pval)
                Weight       Age                   _______    _______      BPTop       0.59909     0.1029     BPBottom    0.38778    0.32212 

Argumentos de entrada

contraer todo

Matriz de datos, especificada como un-por-npx Matriz. Las filas de corresponden a las observaciones, y las columnas corresponden a las variables.x

Tipos de datos: single | double

Matriz de datos, especificada como un-por-npy Matriz. Las filas de corresponden a las observaciones, y las columnas corresponden a las variables.y

Tipos de datos: single | double

Matriz de datos, especificada como un-por-npz Matriz. Las filas de corresponden a observaciones y columnas corresponden a variables.z

Tipos de datos: single | double

Argumentos de par nombre-valor

Especifique pares de argumentos separados por comas opcionales. es el nombre del argumento y es el valor correspondiente. deben aparecer dentro de las cotizaciones.Name,ValueNameValueName Puede especificar varios argumentos de par de nombre y valor en cualquier orden como.Name1,Value1,...,NameN,ValueN

Ejemplo: calcula correlaciones parciales de Spearman utilizando sólo los datos de las filas que no contienen valores faltantes.'Type','Spearman','Rows','complete'

Tipo de correlaciones parciales para calcular, especificadas como el par separado por comas que consta de y uno de los siguientes.'Type'

'Pearson'Calcular correlaciones parciales de Pearson (lineales).
'Spearman'Calcular correlaciones parciales de Spearman (rango).

Ejemplo: 'Type','Spearman'

Filas que se usarán en el cálculo, especificadas como el par separado por comas y que consta de uno de los siguientes.'Rows'

'all'Utilice todas las filas de la entrada independientemente de los valores que faltan.NaN
'complete'Utilice solo filas de la entrada sin valores faltantes.
'pairwise'Calcule el uso de filas sin valores faltantes en la columna o.rho(i,j)ij

Ejemplo: 'Rows','complete'

Hipótesis alternativa para probar, especificada como el par separado por comas que consta de y uno de los siguientes.'Tail'

'both'Pruebe la hipótesis alternativa de que la correlación no es 0.
'right'Pruebe la hipótesis alternativa de que la correlación es mayor que 0.
'left'Pruebe la hipótesis alternativa de que la correlación es menor que 0.

Ejemplo: 'Tail','right'

Argumentos de salida

contraer todo

Muestra coeficientes lineales de correlación parcial, devueltos como una matriz.

  • Si sólo se introduce una matriz, es unxrhopxporpx Matriz. La entrada (,) es la correlación parcial lineal de muestra entre las columnas-TH y-ésima en.ijijx

  • Si introduce y matrices, es un simétricoxzrhopxporpx Matriz. La entrada (,) es la correlación parcial lineal de muestra entre las columnas TH y TH en, controladas para las variables en.ijijxz

  • Si se introduce, y matrices, es unxyzrhopxporpy matriz, donde la entrada (,) TH es la correlación parcial lineal de muestra entre la columna TH y la columna TH en, controladas para las variables en.ijixjyz

Si la matriz de covarianza de es[x,z]

S=(SxxSxzSxzTSzz),

a continuación, la matriz de correlación parcial de, Controlling para, se puede definir formalmente como una versión normalizada de la matriz de covarianza:xzSxx – (SxzSzz–1SxzT).

-valores, devueltos como una matriz.p Cada elemento de es el-valor para el elemento correspondiente de.pvalprho

Si es pequeño, entonces la correlación parcial correspondiente es estadísticamente significativamente diferente de 0.pval(i,j)rho(i,j)

calcula-valores para las correlaciones lineales y de clasificación parciales mediante la distribución de Student para una transformación de la correlación.partialcorrpt Esto es exacto para la correlación parcial lineal cuando y es normal, pero es una aproximación de muestra grande de lo contrario.xz

Consulte también

| | |

Introducido antes de R2006a