Question

我的问题是相关系数的排列。

        A<-data.frame(A1=c(1,2,3,4,5),B1=c(6,7,8,9,10),C1=c(11,12,13,14,15 ))

        B<-data.frame(A2=c(6,7,7,10,11),B2=c(2,1,3,8,11),C2=c(1,5,16,7,8))

          cor(A,B)

          #           A2        B2       C2
          # A1 0.9481224 0.9190183 0.459588
          # B1 0.9481224 0.9190183 0.459588
          # C1 0.9481224 0.9190183 0.459588

我获得了这种相关性，然后想要进行排列测试以检查相关性是否仍然存在。

我按照以下方式进行了排列：

              A<-as.vector(t(A))
              B<-as.vector(t(B))

     corperm <- function(A,B,1000) {
     # n is the number of permutations
     # x and y are the vectors to correlate
    obs = abs(cor(A,B))
    tmp = sapply(1:n,function(z) {abs(cor(sample(A,replace=TRUE),B))})
   return(1-sum(obs>tmp)/n)
     }

结果是

         [1] 0.645

并使用“cor.test”

cor.test(A,B)

Pearson's product-moment correlation

data:  A and B
t = 0.4753, df = 13, p-value = 0.6425
alternative hypothesis: true correlation is not equal to 0
95 percent confidence interval:
-0.4089539  0.6026075
sample estimates:
cor 
0.1306868

如何绘制绘图或直方图以显示实际相关性和置换数据的置换相关值？

Answer 1

首先，你不可能完全按照这种方式做到......

> corperm = function(A,B,1000) {
Error: unexpected numeric constant in "corperm = function(A,B,1000"

第三个参数没有名字，但它应该有一个！也许你的意思是

> corperm <- function(A, B, n=1000) {
# etc

然后你需要考虑你想要达到的目标。最初，您有两个包含3个变量的数据集，然后将它们折叠为两个向量，并计算置换向量之间的相关性。它为什么有意义？置换数据集的结构应与原始数据集相同。

obs = abs(cor(A,B))
tmp = sapply(1:n,function(z) {abs(cor(sample(A,replace=TRUE),B))})
return(1-sum(obs>tmp)/n)

为什么在这里使用replace = TRUE？如果您想要引导CI-s，这是有道理的，但（a）最好使用专用功能，例如从引导启动，以及（B）您需要对B执行相同操作，即sample（B，replace = TRUE）。

对于排列测试，您可以在没有替换的情况下进行采样，无论是对A还是B进行采样还是仅对A进行采样都没有区别。

如何获得直方图？那么，hist（tmp）会绘制一个置换值的直方图，而obs是观察到的相关性的绝对值。

HTHAB

（编辑）

corperm <- function(x, y, N=1000, plot=FALSE){
    reps <- replicate(N, cor(sample(x), y))
    obs <- cor(x,y)
    p <- mean(reps > obs) # shortcut for sum(reps > obs)/N
    if(plot){
        hist(reps)
        abline(v=obs, col="red")
        }
     p
     }

现在你可以在一对变量上使用它：

corperm(A[,1], B[,1])

要将其应用于所有对，请使用for或mapply。 for更容易理解，因此我不会坚持使用mapply来获取所有可能的对。

res <- matrix(NA, nrow=NCOL(A), ncol=NCOL(B))
for(iii in 1:3) for(jjj in 1:3) res[iii,jjj] <- corperm(A[,iii], B[,jjj], plot=FALSE)
rownames(res)<-names(A)
colnames(res) <- names(B)
print(res)

要制作所有直方图，请使用上面的plot = TRUE。

Answer 2

我认为对两个变体的相关性分析进行置换测试没有多大意义，因为cor.test()函数提供了“p.value”，它与置换测试具有相同的效果。

相关系数的排列

2 个答案: