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

partialcorri

Coeficientes de correlación parcial ajustados para variables internas

Descripción

ejemplo

rho = partialcorri(y,x) Devuelve los coeficientes de correlación parcial lineal de muestra entre pares de variables en y, ajustando para las variables restantes en.yxx

ejemplo

rho = partialcorri(y,x,z) Devuelve los coeficientes de correlación parcial lineal de muestra entre pares de variables en y, ajustando para las variables restantes en, después de controlar primero ambos y para las variables en.yxxxyz

ejemplo

rho = partialcorri(___,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] = partialcorri(___) 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 para cada par de variables en las matrices de entrada y, mientras controla los efectos de las variables restantes.xyx

Cargue los datos de ejemplo.

load carsmall;

Los datos contienen mediciones de automóviles fabricados en 1970, 1976 y 1982. Incluye y como medidas de rendimiento, y, y como variables de diseño. es el tiempo necesario para acelerar de 0 a 60 millas por hora, por lo que un valor alto corresponde a un vehículo con baja aceleración.MPGAccelerationDisplacementHorsepowerWeightAccelerationAcceleration

Defina las matrices de entrada. La matriz incluye las medidas de rendimiento, y la matriz incluye las variables de diseño.yx

y = [MPG,Acceleration]; x = [Displacement,Horsepower,Weight];

Calcule los coeficientes de correlación. Incluya solo las filas sin valores faltantes en el cálculo.

rho = partialcorri(y,x,'Rows','complete')
rho = 2×3

   -0.0537   -0.1520   -0.4856
   -0.3994   -0.4008    0.4912

Los resultados sugieren, por ejemplo, una correlación 0,4912 entre el peso y la aceleración después de controlar los efectos del desplazamiento y la potencia. 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',{'Displacement','Horsepower','Weight'}, ...    'RowNames',{'MPG','Acceleration'});  disp('Partial Correlation Coefficients')
Partial Correlation Coefficients 
disp(rho)
                    Displacement    Horsepower     Weight                      ____________    __________    ________      MPG              -0.053684       -0.15199     -0.48563     Acceleration      -0.39941       -0.40075      0.49123 

Pruebe la correlación parcial entre pares de variables en las matrices de entrada y, mientras controla los efectos de las variables restantes en más variables adicionales en la matriz.xyxz

Cargue los datos de ejemplo.

load carsmall;

Los datos contienen mediciones de automóviles fabricados en 1970, 1976 y 1982. Incluye y como medidas de rendimiento, y, y como variables de diseño. es el tiempo necesario para acelerar de 0 a 60 millas por hora, por lo que un valor alto corresponde a un vehículo con baja aceleración.MPGAccelerationDisplacementHorsepowerWeightAccelerationAcceleration

Cree una nueva variable y genere aleatoriamente datos para representar la noción de un viento promedio a lo largo de la ruta de medición del rendimiento.Headwind

rng('default');  % For reproducibility Headwind = (10:-0.2:-9.8)' + 5*randn(100,1);

Puesto que el viento en cabeza puede afectar a las medidas de rendimiento, controle sus efectos al probar la correlación parcial entre las variables restantes.

Defina las matrices de entrada. La matriz incluye las medidas de rendimiento, y la matriz incluye las variables de diseño.yx La matriz contiene variables adicionales para controlar cuando se computan las correlaciones parciales, como el viento en cabeza.z

y = [MPG,Acceleration]; x = [Displacement,Horsepower,Weight]; z = Headwind;

Calcule los coeficientes de correlación parcial. Incluya solo las filas sin valores faltantes en el cálculo.

[rho,pval] = partialcorri(y,x,z,'Rows','complete')
rho = 2×3

    0.0572   -0.1055   -0.5736
   -0.3845   -0.3966    0.4674

pval = 2×3

    0.5923    0.3221    0.0000
    0.0002    0.0001    0.0000

La pequeña devuelta

<math display="block">
<mrow>
<mi>p</mi>
</mrow>
</math>
-valor de 0,001 en indica, por ejemplo, una correlación negativa significativa entre la potencia y la aceleración, después de controlar el desplazamiento, el peso y el viento en cabeza.pval

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

rho = array2table(rho, ...    'VariableNames',{'Displacement','Horsepower','Weight'}, ...    'RowNames',{'MPG','Acceleration'});   pval = array2table(pval, ...    'VariableNames',{'Displacement','Horsepower','Weight'}, ...    'RowNames',{'MPG','Acceleration'});  disp('Partial Correlation Coefficients, Accounting for Headwind')
Partial Correlation Coefficients, Accounting for Headwind 
disp(rho)
                    Displacement    Horsepower     Weight                      ____________    __________    ________      MPG               0.057197       -0.10555     -0.57358     Acceleration      -0.38452       -0.39658       0.4674 
disp('p-values, Accounting for Headwind')
p-values, Accounting for Headwind 
disp(pval)
                    Displacement    Horsepower      Weight                       ____________    __________    __________      MPG                 0.59233        0.32212    3.4401e-09     Acceleration     0.00018272     0.00010902    3.4091e-06 

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 las observaciones, y las columnas corresponden a las 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 cualquiera o. calcula las correlaciones parciales de Pearson (lineales). calcula las correlaciones parciales de Spearman (rango).'Type''Pearson''Spearman'PearsonSpearman

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 independientemente de los valores faltantes.(NaN)
'complete'Utilice solo filas sin valores faltantes.
'pairwise'Utilice todos los valores disponibles en cada columna de al calcular los coeficientes y valores de correlación parcial correspondientes a esa columna.yp Para cada columna de, las filas se descartará correspondiente a los valores faltantes en (y/o, si se suministra).yxz Sin embargo, las filas restantes con valores válidos en esa columna de se utilizan, incluso si hay valores faltantes en otras columnas de.yy

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 cero.
'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 unpyporpx Matriz.

  • Si se introduce y matrices, la entrada (,) TH es la correlación parcial lineal de muestra entre la columna TH en y la columna TH en, controlada para todas las columnas de excepción de columna.xyijiyjxxj

  • Si se introduce, y matrices, la entrada (,) TH es la correlación parcial lineal de muestra entre la columna TH y la columna TH en, ajustada para todas las columnas de excepción de columna, después de primero controlar ambos y para las variables en.xyzijiyjxxjxyz

-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 cero.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.partialcorript 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 en R2013b