Question

我的目的是编写几个函数，旨在找到两个协方差矩阵之间的整体相似性，或者通过将它们与随机向量相乘并关联响应向量，或者通过引导其中一个矩阵来获得可以用于的相关系数分布。比较。但在这两种情况下我都得到了错误的结果。观察到的矩阵间相关性高达0.93，但分布最多只有0.2。这是函数的代码：

resamplerSimAlt <- function(mat1, mat2, numR, graph = FALSE)
{
  statSim <- numeric(numR)
  mat1vcv <- cov(mat1)
  mat2vcvT <- cov(mat2)
  ltM1 <- mat1vcv[col(mat1vcv) <= row(mat1vcv)]
  ltM2T <- mat2vcvT[col(mat2vcvT) <= row(mat2vcvT)]
  statObs <- cor(ltM1, ltM2T)                           
  indice <- c(1:length(mat2))
  resamplesIndices <- lapply(1:numR, function(i) sample(indice, replace = F))
  for (i in 1:numR)
  {
    ss <- mat2[sample(resamplesIndices[[i]])]
    ss <- matrix(ss, nrow = dim(mat2)[[1]], ncol = dim(mat2)[[2]])
    mat2ss <- cov(ss)
    ltM2ss <- mat2ss[col(mat2ss) <= row(mat2ss)]
    statSim[i] <- cor(ltM1, ltM2ss)
  }
  if (graph == TRUE)
  {
    plot(1, main = "resampled data density distribution", xlim = c(0, statObs+0.1), ylim = c(0,14))
    points(density(statSim), type="l", lwd=2)
    abline(v = statObs)
    text(10, 10, "observed corelation = ")
  }
  list( obs = statObs , sumFit = sum(statSim > statObs)/numR)
}

实际上，我很难相信两个原始矩阵之间的相关系数很高，而第一个原始矩阵和第二个重新采样的矩阵之间的相关系数在10000个自举重复之后最大为0.2。

对代码有效性的任何评论？

Answer 1

抱歉，我没有足够的教育来了解检查两个协方差矩阵之间的相关效率的目标，但我试图理解你的代码本身。

如果我是对的，你通过重新排序整个单元格，从同一矩阵（mat2）组成10.000个不同的矩阵，并重新计算mat1的协方差矩阵与协方差之间的相关性重采样数组的矩阵。这些存储在statSim变量中。

你说原始的相关效率很高（statObs），但statSim的最大值很低，这很奇怪。我认为问题出在您的结果列表中：

list( obs = statObs , sumFit = sum(statSim > statObs)/numR)

返回原始相关系数（obs）的位置，而不是sumFit的书面最大值。在那里你可以使用eg。 max(statSim)。我看到返回sumFit以检查重采样是否对相关效率有任何改进的重点，但根据您的代码，我认为该理论没有问题。

更新了max模拟相关系数的函数：

resamplerSimAlt <- function(mat1, mat2, numR, graph = FALSE)
{
  statSim <- numeric(numR)
  mat1vcv <- cov(mat1)
  mat2vcvT <- cov(mat2)
  ltM1 <- mat1vcv[col(mat1vcv) <= row(mat1vcv)]
  ltM2T <- mat2vcvT[col(mat2vcvT) <= row(mat2vcvT)]
  statObs <- cor(ltM1, ltM2T)                           
  indice <- c(1:length(mat2))
  resamplesIndices <- lapply(1:numR, function(i) sample(indice, replace = F))
  for (i in 1:numR)
  {
    ss <- mat2[sample(resamplesIndices[[i]])]
    ss <- matrix(ss, nrow = dim(mat2)[[1]], ncol = dim(mat2)[[2]])
    mat2ss <- cov(ss)
    ltM2ss <- mat2ss[col(mat2ss) <= row(mat2ss)]
    statSim[i] <- cor(ltM1, ltM2ss)
  }
  if (graph == TRUE)
  {
    plot(1, main = "resampled data density distribution", xlim = c(0, statObs+0.1), ylim = c(0,14))
    points(density(statSim), type="l", lwd=2)
    abline(v = statObs)
    text(10, 10, "observed corelation = ")
  }
  list( obs = statObs , sumFit = sum(statSim > statObs)/numR, max=max(statSim))
}

我跑了什么：

> mat1 <- matrix(runif(25),5,5)
> mat2 <- mat1+0.2
> resamplerSimAlt(mat1, mat2, 10000)
$obs
[1] 1

$sumFit
[1] 0

$max
[1] 0.94463

随机mat2：

> mat2 <- matrix(runif(25),5,5)
> resamplerSimAlt(mat1, mat2, 10000)
$obs
[1] 0.31144

$sumFit
[1] 0.9124

$max
[1] 0.9231

我的回答可能不是一个真正的答案。如果是这种情况，请提供有关该问题的更多详细信息：）

R中的引导变量相关性

1 个答案: