Belki bu soru saf, ama:
Doğrusal regresyon, Pearson korelasyon katsayısı ile yakından ilişkiliyse, Kendall ve Spearman korelasyon katsayıları ile yakından ilişkili herhangi bir regresyon tekniği var mı?
Belki bu soru saf, ama:
Doğrusal regresyon, Pearson korelasyon katsayısı ile yakından ilişkiliyse, Kendall ve Spearman korelasyon katsayıları ile yakından ilişkili herhangi bir regresyon tekniği var mı?
Yanıtlar:
Doğrusal regresyonlara uyması için hemen hemen her korelasyon ölçümünü kullanmanın ve Pearson korelasyonunu kullanırken en küçük kareleri çoğaltmanın çok basit bir yolu var.
Bu nedenle eğimi bularak eğimi tahmin edebiliriz,
Bu tanım, örneğin her türlü rütbe dayalı ve sağlam bir korelasyonla çalışır. Ayrıca, eğim için bir aralık elde etmek için de kullanılabilir (olağan şekilde - sadece anlamlı korelasyonlar ve sadece önemsiz korelasyonlar arasındaki sınırı işaretleyen yamaçları bularak).
İşte car
R'deki veri eğimine karşı çizilen korelasyon :
Pearson korelasyonu en küçük kareler yamacında 0, 3.932
Kendall korelasyonu Theil-Sen yamacında 0, 3.667
Spearman korelasyonu 3.714 "Spearman-line" eğimini veren 0'ı geçer
Bunlar bizim örneğimiz için üç eğim tahminidir. Şimdi kavgaya ihtiyacımız var. Basit olması için, ilk müdahale için ortalama kalıntıyı ve diğer iki için medyanı kullanacağım (bu durumda çok da önemli değil):
intercept
Pearson: -17.573 *
Kendall: -15.667
Spearman: -16.285
* (en küçük kareler arasındaki küçük fark, eğim tahminindeki yuvarlama hatasından kaynaklanır; şüphesiz diğer tahminlerde de benzer yuvarlama hatası vardır)
İlgili montaj hatları (yukarıdaki ile aynı renk şemasını kullanarak):
Düzenleme: Karşılaştırmada, kadran-korelasyon eğimi 3.333
Hem Kendall korelasyonu hem de Spearman korelasyon eğimi, en az karelere göre etkili aykırı değerlere göre oldukça sağlamdır. Kendall örneğinde dramatik bir örnek için buraya bakınız .
Oransal oran (PO) modeli Wilcoxon ve Kruskal-Wallis testlerini genelleştirir. Spearman'in ilişkisi
PO modeli, probit, orantılı tehlikeler ve tamamlayıcı log-log modelleri dahil olmak üzere daha genel bir kümülatif olasılık ailesi (bazı çağrı kümülatif bağlantı) modelleri için özel bir durumdur. Bir vaka çalışması için benim içinde Bölüm 15'e bakınız deney föyleri .
Aaron Han (ekonometride 1987), tau'yu maksimize ederek regresyon modellerine uyan Maksimum Sıra Korelasyonu Tahmincisi'ni önerdi. Dougherty ve Thomas (2012 psikoloji literatüründe) son zamanlarda çok benzer bir algoritma önerdiler. MRC'de özelliklerini gösteren çok sayıda çalışma vardır.
Aaron K. Han, Genelleştirilmiş regresyon modelinin parametrik olmayan analizi: Maksimum rank korelasyon tahmincisi, Ekonometri Dergisi, Cilt 35, Sayı 2–3, Temmuz 1987, Sayfa 303-316, ISSN 0304-4076, http: // dx.doi.org/10.1016/0304-4076(87)90030-3 . ( http://www.sciencedirect.com/science/article/pii/0304407687900303 )
Dougherty, MR, ve Thomas, RP (2012). Doğrusal olmayan bir dünyada sağlam karar verme. Psikolojik inceleme, 119 (2), 321. http://damlab.umd.edu/pdf%20articles/DoughertyThomas2012Rev.pdf .