タグ付けされた質問 「correlation」

「相関は因果関係を意味するものではありません」という古いことわざがあります。私が教えるとき、この点を説明するために次の標準的な例を使用する傾向があります。 デンマークのコウノトリの数と出生率。 アメリカの司祭の数とアルコール依存症; 20世紀の初めには、「ラジオの数」と「非常識な亡命者の数」との間に強い相関関係があったことが注目されました。 そして私のお気に入り：海賊は地球温暖化を引き起こします。 しかし、私はこれらの例については何も言及していませんが、面白い一方で、明らかに間違っています。 誰か他の良い例はありますか？

74 correlation  teaching 

相関は因果関係を意味しないことを知っていますが、相関関係の欠如は因果関係の欠如を意味しますか？

73 correlation  causality 

シミュレーション研究のために、既存の変数に対する事前定義された（母集団）相関を示すランダム変数を生成する必要があります。YYY 私は、に見えたRパッケージcopulaとCDVine特定の依存構造を持つランダムな多変量分布を生成することができました。ただし、結果の変数の1つを既存の変数に修正することはできません。 アイデアや既存の機能へのリンクを歓迎します！ 結論： さまざまなソリューションで、2つの有効な答えが出ました。 カラカルによるR スクリプト。事前定義された変数との正確な（サンプル）相関を持つランダム変数を計算します 事前定義された変数に対する定義された母集団相関を持つランダム変数を計算するR 関数 [@ttnphnsの追加：質問のタイトルを単一の固定変数の場合から任意の数の固定変数に拡大するために自由を取りました。すなわち、いくつかの固定された既存の変数と事前定義された相関を持つ変数を生成する方法]

71 r  correlation  random-variable  random-generation  independence  assumptions  random-variable  unbiased-estimator  regression  hypothesis-testing  heteroscedasticity  generalized-least-squares  distributions  networks  data-visualization  sas  reproducible-research  philosophical  time-series  variance  outliers  quality-control  mean  multilevel-analysis  average  weighted-mean  regression  confidence-interval  prediction-interval  correlation  matlab  matrix  data-mining  maximum-likelihood  r  time-series  survival  predictive-models 

相関係数は回帰スロープ（ベータ）と同じであると予想していましたが、2つを比較したところ、それらは異なります。それらはどのように違いますか-彼らはどのような異なる情報を与えますか？

69 regression  correlation 

どちらの場合に、他よりもどちらを好むべきですか？ 教育的理由から、ケンドールの利点を主張する人を見つけましたが、他の理由はありますか？

69 correlation  nonparametric  spearman-rho  kendall-tau 

私はさまざまな行列（主にロジスティック回帰）でいくつかの計算を行っていますが、一般的に「行列は特異です」というエラーが表示されます。ここでの私の質問は、「高度な」相関行列とは何だと思いますか？この単語を表す相関のしきい値はありますか？変数が別の変数と相関している0.97のように、これは行列を特異にするのに十分な「高」ですか？ 質問が非常に基本的なものである場合、おthisび申し上げますが、この問題について言及している参考資料を見つけることができませんでした（参考資料へのヒントは大きなプラスになります！）。

66 regression  correlation  matrix  multicollinearity  singular 

数百の測定値があります。今、私は何らかのソフトウェアを利用して、すべてのメジャーをすべてのメジャーに関連付けることを検討しています。これは、数千の相関があることを意味します。これらの中には、データが完全にランダムである場合でも（統計的に）高い相関があります（各メジャーには約100個のデータポイントしかありません）。 相関関係を見つけた場合、相関関係を探したときの情報をどのように含めることができますか？ 私は統計のレベルが高いわけではありませんので、ご容赦ください。

66 correlation  multiple-comparisons  permutation-test 

私は経験的にそれが事実であることを知っています。この難問にぶつかるモデルを開発しました。また、必ずしもyes / noの答えではないのではないかと思います。つまり、AとBの両方がCと相関している場合、これはAとBの間の相関に関して何らかの意味を持つかもしれません。しかし、この意味は弱いかもしれません。それは単なる標識の方向であり、他には何もないかもしれません。 これが私が意味することです... AとBの両方がCと0.5の相関関係を持っているとしましょう。それを考えると、AとBの間の相関関係は1.0になります。0.5またはそれ以下になることもあると思います。しかし、マイナスになる可能性は低いと思います。それに同意しますか？ また、標準のピアソン相関係数を検討している場合、または代わりにスピアマン（ランク）相関係数を検討している場合、影響はありますか？私の最近の経験的観測は、スピアマン相関係数に関連付けられていました。

62 correlation  cross-correlation 

これが少し基本的すぎるように思える場合は申し訳ありませんが、ここで理解を確認しようとしているだけだと思います。2つのステップでこれを行う必要があるという感覚が得られ、相関行列を理解しようとし始めましたが、実際には複雑に見え始めています。相関乱数を生成するための、理想的で迅速な優れた方法の簡潔な説明を（理想的には擬似コードソリューションへのヒントとともに）探しています。 既知の平均と分散を持つ2つの疑似ランダム変数の高さと重み、および特定の相関関係を考えると、この2番目のステップがどのように見えるかを基本的に理解しようとしていると思います。 height = gaussianPdf(height.mean, height.variance) weight = gaussianPdf(correlated_mean(height.mean, correlation_coefficient), correlated_variance(height.variance, correlation_coefficient)) 相関平均と分散を計算するにはどうすればよいですか？しかし、ここで本当に関連する問題であることを確認したいと思います。 マトリックス操作に頼る必要がありますか？それとも、この問題に対する基本的なアプローチに何か他の非常に間違ったものがありますか？

53 probability  correlation  conditional-probability  random-generation 

「ピアソン」、「スピアマン」、「ケンドールのタウ」などの統計的相関測定で相互情報を使用する理由と時期

51 correlation  mathematical-statistics  mutual-information 

ダグラス・アルトマンが285ページで書いている医学研究のための実践統計から取られた： ... XとYの2つの数量について、XはXYと相関します。実際、XとYが乱数のサンプルであっても、XとXYの相関関係は0.7であると予想されます。 私はRでこれを試しましたが、そうであるようです： x <- rnorm(1000000, 10, 2) y <- rnorm(1000000, 10, 2) cor(x, x-y) xu <- sample(1:100, size = 1000000, replace = T) yu <- sample(1:100, size = 1000000, replace = T) cor(xu, xu-yu) 何故ですか？この背後にある理論は何ですか？

49 correlation  random-variable  intuition 

In The Indiot Brain：A Neuroscientist Explains What Your Head are Real Up To、ディーン・バーネットは書いている 高さと知性の間の相関は通常約あるものとして引用さ高さと知性だけで関連しているように見えるという意味、で人。0.20.20.2111555 私には、これは間違っているように聞こえます：その人について知っている唯一のものが他の測定値（ここでは身長）である場合、一方の測定値（ここでは知性）を予測しようとするときに生じるエラー（より少ない）のような相関関係を理解し​​ています。相関がまたは場合、予測にエラーはありません。相関が場合、さらにエラーがあります。したがって、相関関係は、人に人だけでなく、誰にも適用されます。111−1−1-10.80.80.8111555 私はこの質問を見てきましたが、答えを理解するには数学の面で十分ではありません。線形関係の強さについて語るこの回答は、私の理解ではあるが確かではないように思われる。

48 correlation  neuroscience 

2つの時系列（両方とも滑らか）があるので、相互相関を調べて、それらの相関関係を確認します。 ピアソン相関係数を使用するつもりです。これは適切ですか？ 2番目の質問は、2つの時系列を好きなようにサンプリングできることです。つまり、データポイントの数を選択できます。これは、出力される相関係数に影響しますか？これを説明する必要がありますか？ 説明のため option(i) [1, 4, 7, 10] & [6, 9, 6, 9, 6] option(ii) [1,2,3,4,5,6,7,8,9,10] & [6,7,8,9,8,7,6,7,8,9,8,7,6]

47 time-series  correlation  pearson-r  smoothing 

従属変数のみ、従属変数と独立変数の両方、または独立変数のみが対数変換されるかどうかの解釈に違いがあるのか​​と思います。 の場合を考えます log(DV) = Intercept + B1*IV + Error IVはパーセントの増加として解釈できますが、 log(DV) = Intercept + B1*log(IV) + Error または私が持っているとき DV = Intercept + B1*log(IV) + Error ？

46 regression  data-transformation  interpretation  regression-coefficients  logarithm  r  dataset  stata  hypothesis-testing  contingency-tables  hypothesis-testing  statistical-significance  standard-deviation  unbiased-estimator  t-distribution  r  functional-data-analysis  maximum-likelihood  bootstrap  regression  change-point  regression  sas  hypothesis-testing  bayesian  randomness  predictive-models  nonparametric  terminology  parametric  correlation  effect-size  loess  mean  pdf  quantile-function  bioinformatics  regression  terminology  r-squared  pdf  maximum  multivariate-analysis  references  data-visualization  r  pca  r  mixed-model  lme4-nlme  distributions  probability  bayesian  prior  anova  chi-squared  binomial  generalized-linear-model  anova  repeated-measures  t-test  post-hoc  clustering  variance  probability  hypothesis-testing  references  binomial  profile-likelihood  self-study  excel  data-transformation  skewness  distributions  statistical-significance  econometrics  spatial  r  regression  anova  spss  linear-model 

0と1のみを含む2つのブールベクトルがあります。ピアソン相関またはスピアマン相関を計算する場合、それらは意味がありますか、それとも妥当ですか？

42 correlation  binary-data  pearson-r  spearman-rho