Aslında hangi sağlam korelasyon yöntemleri kullanılmaktadır?

Çeşitli sağlam korelasyon tekniklerinin performansını farklı dağılımlarla (eğrilmiş, aykırı değerlerle vb.) Karşılaştırdığımda bir simülasyon çalışması yapmayı planlıyorum. İle sağlam , I) çarpık dağılımlar, b) aykırı ve c) ağır kuyrukları bir karşı sağlam olmanın ideal durumu anlamına gelir.

Bir temel olarak Pearson korelasyonunun yanı sıra, aşağıdaki daha sağlam önlemleri de dahil etmeyi düşünüyordum:

• Mızrakçı$\rho$
• Eğilme yüzdesi korelasyonu (Wilcox, 1994, [1])
• Asgari hacmi (minimum kovaryans belirleyici elips cov.mve/ cov.mcdile cor=TRUEopsiyon)
• Muhtemelen, kazanılmış korelasyon

Tabii ki çok daha fazla seçenek var (özellikle de güçlü regresyon tekniklerini de dahil ediyorsanız), ancak kendimi en çok kullanılan / çoğunlukla umut verici yaklaşımlarla sınırlamak istiyorum.

Şimdi üç sorum var (sadece tek soruları cevaplamaktan çekinmeyin):

1. Ekleyebileceğim / eklemem gereken başka sağlam korelasyon yöntemleri var mı?
2. Alanınızda gerçekte hangi sağlam korelasyon teknikleri kullanılıyor? _{(: Spearman dışında psikolojik araştırmalar için konuşan teknik bir kağıdın herhangi sağlam bir korelasyon tekniği dışında görmedim Bootstrapping daha popüler hale geliyor, ancak diğer sağlam istatistikler az ya da çok varolmayan çok uzak.).$\rho$}
3. Bildiğiniz çoklu korelasyon tekniklerinin sistematik karşılaştırmaları var mı?

Ayrıca yukarıda verilen yöntemlerin listesini de yorumlamaktan çekinmeyin.

[1] Wilcox, RR (1994). Yüzde büküm korelasyon katsayısı. Psikometrika , 59, 601-616.

Psikoloji açısından bakıldığında, Pearson ve Spearman'ın korelasyonu en yaygın gibi görünmektedir. Ancak, psikolojideki birçok araştırmacının Pearson korelasyonunu gerçekleştirmeden önce bileşen değişkenler üzerinde çeşitli veri manipülasyon prosedürleri gerçekleştirdiğini düşünüyorum. Herhangi bir sağlamlık incelemesinin aşağıdakilerin etkilerini göz önünde bulundurması gerektiğini düşünüyorum:

• değişkenlerin normal dağılıma yaklaşması için bir veya iki değişkenin dönüşümleri
• aykırı değerlerin istatistiksel bir kurala göre ayarlanması veya silinmesi veya gözlemle ilgili sorunların bilgisi

2011 yılında Science dergisinde daha önce yayınladığım bu mükemmel makaleyi öneriyorum . Diğerleriyle mükemmel ve mükemmel bir karşılaştırma ile birlikte yeni bir sağlam önlemin önerisi vardır. Ayrıca, tüm önlemler sağlamlık üzerinde test edilmiştir. Bu yeni önlemin ayrıca verilerdeki birden fazla işlevsel ilişkiyi ve ayrıca fonksiyonel olmayan ilişkileri tanımlayabildiğini unutmayın.

Kendall's tau, kopula teorisinde çok yaygın olarak kullanılmaktadır, muhtemelen arşimet kopulaları için düşünülmesi çok doğal bir şeydir. Kümülatif Kendall tau'nun arazileri, iki değişkenli copulas aileleri arasında bir model seçmek için Genest ve Rivest tarafından tanıtıldı.

Genest Rivest (1993) makalesine bağlantı

Bazı güçlü korelasyon önlemleri şunlardır:

1. Spearman Sıra Korelasyon Katsayısı

2. Signum (Blomqvist) Korelasyon Katsayısı

3. Kendall'ın Tau

4. Bradley'in Mutlak Korelasyon Katsayısı

5. Shevlyakov Korelasyon Katsayısı

Referanslar:

• Blomqvist, N. (1950) "İki Rastgele Değişken Arasındaki Bağımlılık Ölçüsü Üzerine", Matematik İstatistikleri Yıllıkları, 21 (4): 593-600. • Bradley, C. (1985) “Mutlak Korelasyon”, Matematiksel Gazete, 69 (447): 12-17. • Shevlyakov, GL (1997) “Korelasyon Katsayısının Sağlam Tahmini Üzerine”, Matematik Bilimleri Dergisi, 83 (3): 434-438. • Spearman, C. (1904) "İki Şey Arasındaki İlişkinin Kanıtı ve Ölçümü", Amerikan Psikoloji Dergisi, 15: 88-93.

WGCNA yoluyla R'de (çok hızlı) ve astropi yoluyla Python'da (çok hızlı değil) uygulanan biweight orta korelasyon . Bu benim ağ analizi için kullanacağım.

Seyrek kompozisyon verileri için SparCC ve FastSpar da vardır