matlab相关性和显着值答案

【问题标题】：matlab correlation and significant valuesmatlab相关性和显着值
【发布时间】：2013-03-17 10:25:29
【问题描述】：

我有一个相当简单的问题需要在 matlab 中解决。我想我明白了，但我需要有人澄清我这样做是正确的：

在下面的示例中，我试图计算两个向量之间的相关性以及相关性的 p 值。

dat = [1,3,45,2,5,56,75,3,3.3];
dat2 = [3,33,5,6,4,3,2,5,7];

[R,p] = corrcoef(dat,dat2,'rows','pairwise');
R2 = R(1,2).^2;
pvalue = p(1,2);

据此，我的 R2 值为 0.11，p 值为 0.38。这是否意味着向量相关性为 0.11（即 11%），并且预计会发生 38% 的相同，因此 62% 的时间可能会发生不同的相关性？

【问题讨论】：

【解决方案1】：

>> [R,p] = corrcoef(dat,dat2,'rows','pairwise')

R =

    1.0000   -0.3331
   -0.3331    1.0000


p =

    1.0000    0.3811
    0.3811    1.0000

相关性为 -0.3331，p 值为 0.3811。后者是当真正的相关性为零时，随机获得高达 -0.3331 的相关性的概率。 p 值很大，因此我们不能在任何合理的显着性水平上拒绝无相关性的原假设。

【讨论】：

【解决方案2】：

这里的相关系数是

r(1,2)
ans =
  -0.3331

这是 -33.3% 的相关性，它告诉您两个数据集呈负线性相关。您可以通过绘制它们来看到这一点：

plot(dat, dat2, '.'), grid, lsline

相关性的p值为

p(1,2)
ans =
  0.3811

这告诉您，即使两个随机变量之间没有相关性，那么在 9 个观察值的样本中，您希望看到相关性在在大约 38.1% 的时间里，至少像 -33.3% 那样极端。

至少和极端一样是指样本中测量的相关性低于 -33.3%，或高于 33.3%。

鉴于 p 值如此之大，对于是否应该拒绝零相关的原假设，您无法可靠地得出任何结论。

【讨论】：