Question

R中的minerva包提供两个向量，两个矩阵的最大信息系数（MIC）的值。返回MIC值的mine()函数也返回一些其他参数值。其中之一是MIC-R2。从帮助选项我开始了解MIC-R2意味着MIC和Pearson系数之间的差异。

在minerva包中，

  [MIC,MEV, MCN,MIC-R2]=mine(X,Y,..)

用于检测相关性的MIC-R2而不是MIC的统计显着性是什么？

Answer 1

MIC和R ^ 2都是用于检测相关性的方法。 MIC-R ^ 2不用于检测相关性，它是所讨论的关系的非线性的度量。它越高，关系就越非线性。

Pearson Correlation Coefficient，我们称之为R，可以被认为是衡量数据与线性回归线（最佳拟合线）拟合程度的指标。但是，R可能是负数，所以人们喜欢使用R ^ 2，因为它基本上做同样的事情，它介于0和1之间。

MIC也介于0和1之间，但与R ^ 2不同，它为非线性关系提供了高值。因此，当存在线性关系时，这两者将非常相似（MIC-R ^ 2接近0），并且当存在非线性关系时，这两者非常不同（MIC-R ^ 2接近1）。