Question

在Matlab中，我的表格形式有一个数据集：

SCHOOL  SEX  AGE  ADDRESS  STATUS  JOB  GUARDIAN  HEALTH  GRADE
UR      F    12   U        FT      TEA  MOTHER    1       11
GB      M    22   R        FT      SER  FATHER    5       15
GB      M    12   R        FT      OTH  FATHER    3       12
GB      M    11   R        PT      POL  FATHER    2       10

有些变量是二进制的，有些是分类的，有些是数字的。是否可以从中提取出一个相关矩阵，其中包含变量之间的相关系数？我尝试从计量经济学工具箱中同时使用corrcoef和corrplot，但是遇到诸如“观察到的数据必须可以转换为double类型”之类的错误。

任何人都会对如何做到这一点有所了解？谢谢。

Answer 1

我认为您需要使所有数据成为数字，例如，将非数字列更改/编码为：

SCHOOL  SEX  AGE  ADDRESS  STATUS  JOB  GUARDIAN  HEALTH  GRADE
1       1    12   1        1       1    1         1       11
2       2    22   2        1       2    2         5       15
2       2    12   2        1       3    2         3       12
2       2    11   2        2       4    2         2       10

，然后进行相关。

Answer 2

如上所述，您首先需要将分类变量和二进制变量转换为数值。因此，如果您的数据在表（T）中，请执行以下操作：

    T.SCHOOL = categorical(T.SCHOOL);

可以在Matlab帮助here中找到一个有效的示例，他们在其中使用患者数据集，该数据集似乎与您的数据相似。

然后您可以将类别列转换为两倍：

    T.SCHOOL = double(T.SCHOOL);

但是请谨慎使用double，因为它将类别变量转换为任意数字，请参见the matlab forum。

还请注意，如果您将顺序简单地转换为数字，就将顺序引入到类别变量中。因此，例如，如果将JOB'TEA'，'SER'，'OTH'转换为1、2、3等，则使变量为序数。则'TEA'为<'OTH'。

如果要避免这种情况，可以将分类列重新编码为“二进制”伪变量：

    dummy_schools = dummyvar(T.SCHOOL);

哪个返回大小为nrows x unique（T.SCHOOL）的矩阵。

然后是整个讨论，关于计算分类变量的相关性是否有用。像here。

我希望这会有所帮助:)

分类和非分类变量的相关矩阵（Matlab）

2 个答案: