Korelacja między macierzami w R

Mam problemy z korzystaniem z funkcji cor()i cor.test().

Mam tylko dwie macierze (tylko wartości liczbowe i taką samą liczbę wierszy i kolumn) i chcę mieć liczbę korelacji i odpowiednią wartość p.

Kiedy używam cor(matrix1, matrix2), otrzymuję współczynniki korelacji dla wszystkich komórek. Chcę tylko jedną liczbę w wyniku kore.

Dodatkowo, kiedy to zrobię, pojawia cor.test(matrix1, matrix2)się następujący błąd

Error in cor.test.default(matrix1, matrix2) : 'x' must be a numeric vector

Jak mogę uzyskać wartości p dla matryc?

Tutaj znajdziesz proste tabele, które chcę skorelować:

http://dl.dropbox.com/u/3288659/table_exp1_offline_MEANS.csv

http://dl.dropbox.com/u/3288659/table_exp2_offline_MEANS.csv

r correlation

— L_T
źródło

To jest trochę niejasne, czego chcesz. Kiedy mówisz, że chcesz tylko jeden wynik dla cor (macierz1, macierz2), czy próbujesz skorelować (wszystkie liczby w macierzy1) z (wszystkie liczby w macierzy2)? W takim przypadku możesz wypróbować cor (as.vector (matrix1), as.vector (matrix2))

— Marius

Jaka jest dokładnie oczekiwana wartość p? (tj. jaką hipotezę testujesz?)

— chl

Nie, chcę tylko skorelować dwie macierze, aby wiedzieć, jak bardzo są one podobne. Nie chcę porównania komórek po komórkach. Chcę w rezultacie pojedynczej liczby od 0 do 1, tak jak każda korelacja Pearsona używa dwóch wektorów na wejściu. Jakieś sugestie? Oczekiwana przeze mnie wartość p musi powiedzieć mi o znaczeniu korelacji.

— L_T

Masz na myśli jak w cor(as.vector(matrix1), as.vector(matrix2))?

— whuber

Odpowiedzi:

Jeśli chcesz po prostu obliczyć korelację między dwoma zestawami wartości, ignorując strukturę macierzy, możesz przekonwertować macierze na wektory za pomocą c(). Następnie twoja korelacja jest obliczana przez cor(c(matrix1), c(matrix2)).

— Martin O'Leary
źródło

Używając twojej funkcji, otrzymuję następujący błąd: „Błąd w cor (c (macierz1), c (macierz2)):„ x ”musi być liczbą”. Ale jeśli

— rzucisz

Problem R ten: read.csvktóry prawdopodobnie użyłeś, zwraca a, data.framektóre nie jest a matrix. Więc trzeba go przekonwertować do bycia matrixz as.matrixprzed czyni go jednym z długim wektorem c(), a otrzymane wyniki do cor. Tutaj jest w jednym wierszu:cor(c(as.matrix(matrix1)), c(as.matrix(matrix2)))

— sprzężonyprzym

Nie powiedziałeś nic o tym, jakie są twoje dane. Niemniej jednak...

Załóżmy, że macierze mają kolumny reprezentujące dwa zestawy (różnych) zmiennych i (taką samą liczbę) wierszy reprezentujących przypadki.

Kanoniczna analiza korelacji

W tej sytuacji jedną potencjalnie interesującą bardziej uporządkowaną analizą korelacji jest znalezienie korelacji kanonicznych . Zakłada się, że chcesz podsumować związek między dwoma zestawami zmiennych pod względem korelacji między liniowymi kombinacjami matrix1kolumn i liniowymi kombinacjamimatrix2kolumny. I chciałbyś to zrobić, gdybyś podejrzewał, że istnieje przestrzeń o małych wymiarach, być może nawet 1, która ujawniłaby leżącą u podstaw strukturę korelacji między przypadkami, która jest zaciemniona przez ich realizację w obecnych układach współrzędnych zdefiniowanych przez zmienne. W związku z tym wartość tej (kanonicznej) korelacji w pewnym sensie podsumowałaby wielowymiarową liniową zależność między dwiema macierzami. Rzeczywiście, podczas gdy CCA działa dla macierzy o różnej liczbie zmiennych, redukuje się do korelacji Pearsona, gdy każda „macierz” jest tylko jedną kolumną.

Realizacja

Kanoniczna analiza korelacji jest opisana w większości tekstów analizy wielowymiarowej, co może być najbardziej pomocne, jeśli jesteś zadowolony z algebry macierzowej aż do analizy własnej. Jest zaimplementowany jak cancorw bazie R, a także w opisanym tutaj pakiecie CCA .

— sprzężonyprior
źródło

Cześć, dzięki. Moje dane to proste dwie macierze zawierające te same zmienne. Struktura dwóch macierzy jest identyczna. Wartości w każdej komórce są wynikami eksperymentu, w którym zmienne te zostały ocenione w 9-punktowej skali Likerta i uśrednione dla wszystkich uczestników. Którą najlepszą strategią do znalezienia jest korelacja między dwiema matrycami? Czy potrafisz podać przykład w języku R?

— L_T

Z podstawą R jest po prostu cancor(matrix1, matrix2).

— conjugateprior

Ale może możesz trochę wyjaśnić. Zadzwoń . Czym jest ? Czy jest to odpowiedź tej osoby na -ty element Likerta? Na pewno nie. Skąd zatem bierze się średnia liczba uczestników? matrix1

A

$A$

A_{i j}

$A_{ij}$

i

$i$

j

$j$

— conjugateprior

Cześć, było 10 uczestników, musieli wyrazić „stopień spójności” pomiędzy parami bodźców (zauważ, że to nie jest eksperyment oceniający odmienność). Zrobiłem 2 eksperymenty. i chcę porównać wyniki w 2 warunkach eksperymentalnych. Każda komórka jest średnią ocen uczestników 1o dla każdej pary bodźców. Więc czy nadal powinienem używać Cancor?

— L_T

Użyłem Cancora, ale nie otrzymuję ani jednej wartości współczynnika wyrażającej korelację, ani wartości p wyrażającej jej znaczenie. Proszę pomóż!

— L_T

Jeśli luźno interpretujesz korelację jako podobieństwo, możesz użyć definicji opartej na produkcie wewnętrznym, takiej jak:

$c_{AB} = \dfrac{\langle A, B \rangle}{\|A \| ||B\|}$ gdzie i $\langle A,B \rangle \equiv \mathrm {tr}(A B^T)$ $\| x || \equiv \langle x,x \rangle^{1/2}$

Z twoich danych daje to 0,996672.

Alternatywą, jeśli struktura macierzy nie jest ważna, jest po prostu spłaszczenie macierzy do wektorów i użycie wybranej miary korelacji. Ponieważ nie znam dystrybucji danych, użyłem produktu kropkowego, aby uzyskać 0,976.

Z drugiej strony wydaje się, że Twoje dane są wysoce skorelowane.

— Emre
źródło

Wydaje się, że współczynnik rv jest tym, o co poprosił PO: wartość między 0 a 1, która mówi o tym, jak podobne są obie macierze.

— llrs