如何计算相关系数的显著性水平

本篇文章给大家分享《如何计算相关系数的显著性水平》，覆盖了Golang的常见基础知识，其实一个语言的全部知识点一篇文章是不可能说完的，但希望通过这些问题，让读者对自己的掌握程度有一定的认识(B 数)，从而弥补自己的不足，更好的掌握它。

我正在尝试使用 Go 进行简单的统计。

我正在使用这个包来获取相关系数。

效果很好，但没有给出相关性的 P 值。该包中的其他函数在同一页面上给出：https://godoc.org/gonum.org/v1/gonum/stat

同样，这个包也有相关函数，它返回系数但不返回P值。

如何找到这些软件包的相关系数 P 值？

编辑：我已在 crossvalidated (stats.stackexchange.com) 上发布了这个问题，其中有人建议这是一个编程问题。

解决方案

看来您需要手动计算，并且有多种方法可以实现此目的，具体取决于您对数据所做的假设。如果你真的走这条路，我强烈鼓励你也测试现有的实现 - 例如 R's cor.test - 以确保您没有做错事。

正态性假设

如果观察到的值均近似正常，则该值

其中 r 是计算的相关系数，n 是观测值数量，将遵循学生的 t 分布，自由度为 n-2。因此，您可以使用 Student's t distribution as implemented in GoNum 来计算 p 值。这就是 r 中的 cor.test 所做的事情。

它应该是这样的（请注意我从未使用过 go）：

import (
    "math"
    "gonum.org/v1/gonum/stat/distuv"
)

func twoSidedPValue(r float64, n float64) float64 {

    // compute the test stat
    ts := r * math.Sqrt((n - 2) / (1 - r*r))

    // make a Student's t with (n-2) d.f.
    t := distuv.StudentsT{0, 1, (n-2), nil}

    // compute the p-value
    pval := 2 * t.CDF(-math.Abs(testStat))

    return pval
}

针对 r 的 cor.test 进行测试似乎匹配。

排列测试

如果您的采样变量并非都是正态的，那么您可以使用排列检验。本质上，随机化您的数据并查看随机相关性与您观察到的相关性匹配或超过的次数。如果您的测试是双向的（即，您对相关性结果没有原则性假设），请使用相关性的绝对值进行测试。

测试详细信息

维基百科条目 "Pearson correlation coefficient" 的推理部分提供了详细信息。

理论要掌握，实操不能落！以上关于《如何计算相关系数的显著性水平》的详细介绍，大家都掌握了吧！如果想要继续提升自己的能力，那么就来关注golang学习网公众号吧！