苹果/安卓/wp
积分 3010, 距离下一级还需 590 积分
权限: 自定义头衔, 签名中使用图片, 设置帖子权限, 隐身, 设置回复可见
道具: 彩虹炫, 雷达卡, 热点灯, 雷鸣之声, 涂鸦板, 金钱卡, 显身卡, 匿名卡, 抢沙发, 提升卡, 沉默卡下一级可获得
道具: 千斤顶
购买后可立即获得
权限: 隐身
道具: 金钱卡, 雷鸣之声, 彩虹炫, 雷达卡, 涂鸦板, 热点灯
苦逼签到天数: 393 天连续签到: 1 天[LV.9]以坛为家II
请问：有能直接出Pearson+Spearman相关系数表的命令不？
就是有没有能直接做如下图的那个表的命令？
莫非只能手动整理了？
O(∩_∩)O谢谢！
09:21:24 上传
载入中......
, , , , , ,
主对角线上面的部分是Pearson相关系数
主对角线下面的部分是Spearman相关系数
当然，二者互换是一样的喽
请教高手，spearman系数可以一次全部算得吗，还是需要两两去算
好的意见建议
总评分:&论坛币 + 20&
sungmoo 发表于
http://bbs.pinggu.org/thread--1.html非常感谢~！
sungmoo 发表于
http://bbs.pinggu.org/thread--1.html不懂mata。。。对你的这个程序不太理解，只能机械套用了。运行中stata报错，调试了半天也没太明白。。。。还得麻烦你帮我看一下例子如下：
sysuse auto, clear& &
local vlist trunk weight length&&//我把变量列表都放在这里了
spearman `vlist'
x=st_data(.,&`vlist'&)
c=correlation(`vlist')& & //这里的x是变量列表吗？
b=strofreal(lowertriangle(c)+uppertriangle(st_matrix(&r(Rho)&)), &%9.3f&)
p=st_matrix(&r(P)&)
for (i=2; i&=n; i++) {
for (j=1; j&=i-1; j++) {
p[i,j]=2*ttail(rows(x)-2,abs(c[i,j]/sqrt((1-c[i,j]^2)/(rows(x)-2))))& && && &&&//这里的“x”该放什么？看不懂，惭愧。。。。。
b[i,j]=b[i,j]+(p[i,j]&0.01?&***&:(p[i,j]&0.05?&**&:(p[i,j]&0.1?&*&:&&)))
b[j,i]=b[j,i]+(p[j,i]&0.01?&***&:(p[j,i]&0.05?&**&:(p[j,i]&0.1?&*&:&&)))
c=editvalue(b+J(n,n,&(&)+strofreal(p,&%9.3f&)+J(n,n,&)&), &2.000(0.000)&, &1&)
c=correlation(x)
*前面已经定义了矩阵x
sungmoo 发表于
c=correlation(x)
*前面已经定义了矩阵x哦！搞好了 谢谢哈~！
谢谢sungmoo和carweed，这个结果输出txt格式的，能否用EXCEL格式输出呢？用了logout命令，没成功……
sysuse auto, clear& &
local vlist trunk weight length&&
上述程序中，trunk weight length三个是变量名吗？
论坛好贴推荐
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
京ICP证090565号
京公网安备号
论坛法律顾问：王进律师如何降低pearson 相关系数_pearson+相关系数
pearson+相关系数
以下内容已过滤百度推广
日&-&皮尔森相关系数(pearson correlation coefficient)也称皮尔森积矩相关系数(pearson product-moment correlation coefficient) ,是一种线性相关系数。...&&普通
日&-&做相似度计算的时候经常会用到皮尔逊相关系数(pearson correlation coefficient),那么应该如何理解该系数?其数学本质、含义是什么? 相关公式: 相关链接:http://mines...&&普通
&&列表－模版
日&-& 坐等流年 pearson 相关系数 pearson 相关系数介绍 pearson是一个介于-1和1之间的值,用来描述两组线性的数据一同变化移动的趋势。 当两个变量的线性...&&普通
(3)无线性相关:r=0。如果变量y与x间是函数关系,则r=1或r=-1;如果变量y与x间是统计关系,则-1&r&1。(4)r的计算有三种:①pearson相关系数:对定距连续...&&普通
日&-&? 主要探讨线性相关——pearson相关系 数 主要内容一、散点图 二、相关系数 三、相关系数的假设检验 一、散点图为了确定相关变量之间的关系,首 先应该...&&百度文库
最佳答案: 1.相关系数只能说明关性的强弱,没有方向性的。比较(a、b、c)-&y的影响力,应进行多元线性回归分析,比较标准化回归系数大小。 2.要证明a、b、c是y...更多关于pearson 相关系数的问题&&&&专业问答网站
赤峰学院学报(自然科学版). 2014(21)张建勇;高冉;胡骏;郑扬;; 灰涩关联度和pearson相关系数的应用比较 [j];赤峰学院学报(自然科学版);2014年21期...&&普通
语义关联近似词猜&正规性45地理位置网址标题|网址|摘要F0略略略略略略略精确匹配2略略略略略略略精确匹配3略略略略略略略精确匹配4略略略略略略略精确匹配5略略略略略略略精确匹配6略略略略略略略精确匹配7略略略略略略略精确匹配9略略略中略略略精确匹配10
12时间限制猜&实时动态5相关检索词泛时效性8F1略略略略略略略略2略略略略略略略略3略略略略略略略略4略略略略略略略略5略略略略略略略略6百度文库略略略略略略略7略略略略百度知道略略略9略略略略略略略略10
url2345摘要前标题后标题F2略略略略略略略2略略略略略略略3略略略略略略略4略略略略略略略5略略略略略正文略6略略略略略正文略7搜索结果与查询词广度相关略略略略略略9略略略略略正文略10
123原创猜&网址形式6相关词猜&相似度F3略略略略子页优先级较低略略精确匹配2略略略略子页优先级较低略略精确匹配3略略略略子页优先级较低略略精确匹配4略略略略子页优先级较低略略精确匹配5略略略略子页优先级较低略略精确匹配6略略略略子页优先级较低略略精确匹配7略略略略子页优先级较低略略精确匹配9略略略略子页优先级较低略略精确匹配10spearman-kendall-pettitt 水文趋势、突变点分析的matlab相关程序―― 、 、 法
238万源代码下载-
&文件名称: spearman-kendall-pettitt
& & & & &&]
&&所属分类:
&&开发工具: matlab
&&文件大小: 1 KB
&&上传时间:
&&下载次数: 38
&&提 供 者:
&详细说明：水文趋势、突变点分析的matlab相关程序――spearman、kendall、pettitt法-Hydrological trends point mutation analysis matlab procedures- spearman, kendall, pettitt France
文件列表(点击判断是否您需要的文件，如果是垃圾请在下面评价投诉):
&&kendall_change.m&&pettitt_change.m&&spearman_r.m
&近期下载过的用户:
&&&&&&&&&&&&[]
&相关搜索:
&输入关键字，在本站238万海量源码库中尽情搜索：
&[] - 水文趋势、突变点分析的matlab相关程序――Lee-Heghinan法、Mann-Kendall法
&[] - 改进蚁群算法求两点间最短路径，基于matlab
&[] - PEARSON’S VERSUS SPEARMAN’S AND KENDALL’S CORRELATION
这个关于这个三个统计检验方法的比较，很全面的
&[] - 水文趋势、突变点分析的matlab相关程序：相关系数法、极差 标准差RS法、有序聚类法
&[] - mann-kendall时间序列趋势检验程序，吐血推荐，只须修改起事时间
&[] - 用于计算等级相关系数（spearman系数）的子程序。
&[] - 魏凤英的现代气候统计诊断与预测技术的fortran源代码，里边包括气候变化趋势分析的程序：线性倾向估计、滑动平均及一些趋势检验和函数；气候突变检测：滑动t检验、Cramer s法、Yamamoto法、Mann-Kendall法、Pettitt法Lepage法；气候序列周期的提取方法：功率谱、最大熵谱
&[] - 气候分析中检验突变的经典程序，如滑动t检验，cv，滑动f检验等
&[] - 水文模拟程序，进行水流与水质模拟，可应用于透水及不透水地表，河流及洼地等
&[] - Mann-mandall趋势检验,Pettitt突变点检验19247人阅读
MATLAB（6）
Kendall Rank（肯德尔等级）相关系数
在统计学中，肯德尔相关系数是以命名的，并经常用希腊字母&（tau）表示其值。肯德尔相关系数是一个用来测量两个随机变量相关性的统计值。一个肯德尔检验是一个无参数假设检验，它使用计算而得的相关系数去检验两个随机变量的统计依赖性。肯德尔相关系数的取值范围在-1到1之间，当&为1时，表示两个随机变量拥有一致的等级相关性；当&为-1时，表示两个随机变量拥有完全相反的等级相关性；当&为0时，表示两个随机变量是相互独立的。
假设两个随机变量分别为X、Y（也可以看做两个集合），它们的元素个数均为N，两个随即变量取的第i（1&=i&=N）个值分别用Xi、Yi表示。X与Y中的对应元素组成一个元素对集合XY，其包含的元素为(Xi, Yi)（1&=i&=N）。当集合XY中任意两个元素(Xi, Yi)与(Xj, Yj)的排行相同时（也就是说当出现情况1或2时；情况1：Xi&Xj且Yi&Yj，情况2：Xi&Xj且Yi&Yj），这两个元素就被认为是一致的。当出现情况3或4时（情况3：Xi&Xj且Yi&Yj，情况4：Xi&Xj且Yi&Yj），这两个元素被认为是不一致的。当出现情况5或6时（情况5：Xi=Xj，情况6：Yi=Yj），这两个元素既不是一致的也不是不一致的。
这里有三个公式计算肯德尔相关系数的值
其中C表示XY中拥有一致性的元素对数（两个元素为一对）；D表示XY中拥有不一致性的元素对数。
注意：这一公式仅适用于集合X与Y中均不存在相同元素的情况（集合中各个元素唯一）。
注意：这一公式适用于集合X或Y中存在相同元素的情况（当然，如果X或Y中均不存在相同的元素时，公式二便等同于公式一）。
其中C、D与公式一中相同；
N1、N2分别是针对集合X、Y计算的，现在以计算N1为例，给出N1的由来（N2的计算可以类推）：
将X中的相同元素分别组合成小集合，s表示集合X中拥有的小集合数（例如X包含元素：1 2 3 4 3 3 2，那么这里得到的s则为2，因为只有2、3有相同元素），Ui表示第i个小集合所包含的元素数。N2在集合Y的基础上计算而得。
注意：这一公式中没有再考虑集合X、或Y中存在相同元素给最后的统计值带来的影响。公式三的这一计算形式仅适用于用表格表示的随机变量X、Y之间相关系数的计算（下面将会介绍）。
参数M稍后会做介绍。
以上都是围绕用集合表示的随机变量而计算肯德尔相关系数的，下面所讲的则是围绕用表格表示的随机变量而计算肯德尔相关系数的。
通常人们会将两个随机变量的取值制作成一个表格，例如有10个样本，对每个样本进行两项指标测试X、Y（指标X、Y的取值均为1到3）。根据样本的X、Y指标取值，得到以下二维表格（表1）：
由表1可以得到X及Y的可以以集合的形式表示为：
X={1, 1, 2, 2, 2, 2, 2, 3, 3, 3}；
Y={1, 2, 1, 1, 2, 2, 3, 2, 3, 3}；
得到X、Y的集合形式后就可以使用以上的公式一或公式二计算X、Y的肯德尔相关系数了（注意公式一、二的适用条件）。
当然如果给定X、Y的集合形式，那么也是很容易得到它们的表格形式的。
这里需要注意的是：公式二也可以用来计算表格形式表示的二维变量的肯德尔相关系数，不过它一般用来计算由正方形表格表示的二维变量的肯德尔相关系数，公式三则只是用来计算由长方形表格表示的二维变量的Kendall相关系数。这里给出公式三中字母M的含义，M表示长方形表格中行数与列数中较小的一个。表1的行数及列数均为三。
2、适用范围&
肯德尔相关系数与斯皮尔曼相关系数对数据条件的要求相同，可参见中介绍的斯皮尔曼相关系数对数据条件的要求。
3、Matlab实现
源程序一：
肯德尔相关系数的Matlab实现（依据公式二得到）
function coeff = myKendall(X , Y)
% 本函数用于实现肯德尔等级相关系数的计算操作
X：输入的数值序列
Y：输入的数值序列
coeff：两个输入数值序列X，Y的相关系数
if length(X) ~= length(Y)
error('两个数值数列的维数不相等');
%将X变为行序列（如果X已经是行序列则不作任何变化）
if size(X , 1) ~= 1
%将Y变为行序列（如果Y已经是行序列则不作任何变化）
if size(Y , 1) ~= 1
N = length(X); %得到序列的长度
XY = [X ; Y]; %得到合并序列
C = 0; %一致性的数组对数
D = 0; %不一致性的数组对数
N1 = 0; %集合X中相同元素总的组合对数
N2 = 0; %集合Y中相同元素总的组合对数
N3 = 0; %合并序列XY的总对数
XPair = ones(1 , N); %集合X中由相同元素组成的各个子集的元素数
YPair = ones(1 , N); %集合Y中由相同元素组成的各个子集的元素数
cont = 0; %用于计数
for i = 1 : N - 1
for j = i + 1 : N
if abs(sum(XY(: , i) ~= XY(: , j))) == 2
switch abs(sum(XY(: , i) & XY(: , j)))
C = C + 1;
D = D + 1;
C = C + 1;
%计算XPair中各个元素的值
while length(X) ~= 0
cont = cont + 1;
index = find(X == X(1));
XPair(cont) = length(index);
X(index) = [];
%计算YPair中各个元素的值
while length(Y) ~= 0
cont = cont + 1;
index = find(Y == Y(1));
YPair(cont) = length(index);
Y(index) = [];
%计算N1、N2及N3的值
N1 = sum(0.5 * (XPair .* (XPair - 1)));
N2 = sum(0.5 * (YPair .* (YPair - 1)));
N3 = 0.5 * N * (N - 1);
coeff = (C - D) / sqrt((N3 - N1) * (N3 - N2));
end %函数myKendall结束
源程序二：
使用Matlab中已有的函数计算肯德尔相关系数
coeff = corr(X , Y , 'type' , 'Kendall');
注意：使用Matlab自带函数计算肯德尔相关系数时，需要保证X、Y均为列向量；Matlab自带的函数是通过公式二计算序列的肯德尔相关系数的。
这里还有另外一种不是计算肯德尔相关系数的公式（仅适用于集合X与Y中均不存在相同元素的情况，实际上其与公式一等价），可见参考文献(3)。
4、参考内容
参考知识库
* 以上用户言论只代表其个人观点，不代表CSDN网站的观点或立场
访问：223398次
积分：1524
积分：1524
排名：第18514名
原创：11篇
评论：44条
(1)(1)(2)(2)(3)(1)(1)