Хобрук: Ваш путь к мастерству в программировании

Диаграмма рассеяния с функцией аблайна не соответствует ро Спирмена

Мне нужно провести корреляцию с помощью Спирмена между двумя переменными, а затем построить результат с помощью диаграммы рассеяния в R. Я знаю, что обычно положительный rho связан с восходящей линией тренда на диаграмме рассеяния, а отрицательный - с нисходящей.

Однако я получил положительный rho (rho = 0,02 при p = 0,91) и диаграмму рассеяния с нисходящей линией тренда, как показано на рисунке ниже.

введите описание изображения здесь

Код, который я использовал, приведен ниже, а набор данных можно найти здесь

cor.test(Finale_from_trials_online$Mean_lat_LG, Finale_from_trials_online$Mean_Lat_cue_1, method = "spearman", exact = FALSE) 

plot(Finale_from_trials$Mean_Lat_cue_1, Finale_from_trials$Mean_lat_LG, main="LG and cue 1",
     xlab="Mean latency 1", ylab="Mean latency LG", pch=19) 
abline(lm(Finale_from_trials$Mean_lat_LG~Finale_from_trials$Mean_Lat_cue_1), col="red") # regression line (y~x)

Я что-то не так сделал в коде? Проблема в lm в аргументе abline, поскольку Спирмен просто проверяет монотонную корреляцию, а я строю линейную линию тренда?

Или все как есть, поскольку значение p настолько велико, а результат не имеет значения?

Кто-нибудь знает, почему высокое значение p может вызвать это?


Ответы:


1

R Спирмена рассчитывается с использованием ранга значений. Вот почему выбросы с большими значениями y на левой стороне графика перевешиваются более многочисленными значениями с немного более низкими значениями y, чем те, которые находятся на другой стороне графика. Но, как вы отметили, значение r настолько мало, что на основе проверки вашей гипотезы вы не можете сказать, действительно ли r Спирмена отличается от 0.

Напротив, включенная вами линейная модель чувствительна к этим выбросам. Фактически, двумерная линейная модель всегда будет иметь тот же знак для бета, что и у Пирсона r, потому что знак в обоих случаях зависит от ковариации. Если вы сделаете cor.test() с method = "pearson", вы увидите, что это отрицательно. Тем не менее, поскольку r Спирмена не зависит от ковариации, эти знаки могут отличаться.

02.06.2020
Новые материалы

Учебные заметки JavaScript Object Oriented Labs
Вот моя седьмая неделя обучения программированию. После ruby ​​и его фреймворка rails я начал изучать самый популярный язык интерфейса — javascript. В отличие от ruby, javascript — это более..

Разбор строк запроса в vue.js
Иногда вам нужно получить данные из строк запроса, в этой статье показано, как это сделать. В жизни каждого дизайнера/разработчика наступает момент, когда им необходимо беспрепятственно..

Предсказание моей следующей любимой книги 📚 Благодаря данным Goodreads и машинному обучению 👨‍💻
«Если вы не любите читать, значит, вы не нашли нужную книгу». - J.K. Роулинг Эта статья сильно отличается от тех, к которым вы, возможно, привыкли . Мне очень понравилось поработать над..

Основы принципов S.O.L.I.D, Javascript, Git и NoSQL
каковы принципы S.O.L.I.D? Принципы SOLID призваны помочь разработчикам создавать надежные, удобные в сопровождении приложения. мы видим пять ключевых принципов. Принципы SOLID были разработаны..

Как настроить Selenium в проекте Angular
Угловой | Селен Как настроить Selenium в проекте Angular Держите свое приложение Angular и тесты Selenium в одной рабочей области и запускайте их с помощью Mocha. В этой статье мы..

Аргументы прогрессивного улучшения почти всегда упускают суть
В наши дни в кругах веб-разработчиков много болтают о Progressive Enhancement — PE, но на самом деле почти все аргументы с обеих сторон упускают самую фундаментальную причину, по которой PE..

Введение в Джанго Фреймворк
Схема «работать умно, а не усердно» В этой и последующих статьях я познакомлю вас с тем, что такое фреймворк Django и как создать свое первое приложение с помощью простых и понятных шагов, а..