知识库 > 数学方法 > 多元统计分析 > 相关分析

偏相关系数    

  • 在多元相关分析中,简单相关系数可能不能够真实的反映出变量X和Y之间的相关性,因为变量之间的关系很复杂,它们可能受到不止一个变量的影响。这个时候偏相关系数是一个更好的选择。
    偏相关系数是在排除了其他变量的影响下计算变量间的相关系数。假设我们需要计算X和Y之间的相关性,Z代表其他所有的变量,X和Y的偏相关系数可以认为是X和Z线性回归得到的残差Rx与Y和Z线性回归得到的残差Ry之间的简单相关系数,即pearson相关系数。

    定义:corr_partial(x:array,y:array,z:array,type:Integer);
    说明:偏相关系数,返回x和y在控制变量z下的偏相关系数,行为样本,列为指标
    参数:
    x:变量一,二维实数数组
    y:变量二,二维实数数组
    z:控制变量,二维实数数组
    type: 1:pearson偏相关;2:Spearman偏相关
    tail:假设检验的三种类型,字符串,取值为both、left和right,缺省是只输出相关系数



    x := rand(100,3);
    y := rand(100,2);
    z := rand(100,2);
    ret := corr_partial(x,y,z,2);

    返回偏相关系数结果:array((-0.0862,0.2046),(-0.1844,0.00),(0.0736,0.0411))

    ret := corr_partial(x,y,z,2,'both');

    ret['coef']:偏相关系数
    ret['pval']:检验偏相关系数是否显著的P值
    ret['df']:自由度