怎样修改数据才能提高pearson相关系数 p值的值

格式:DOC ? 页数:10 ? 上传日期: 07:26:07 ? 瀏览次数:80 ? ? 1500积分 ? ? 用稻壳阅读器打开

全文阅读已结束如果下载本文需要使用

该用户还上传了这些文档

研究目的:通过meta分析评价指标A与指标B的相关性
数据类型:从文献中可提取到的统计量包括Spearman相关系数(rho)或pearson相关系数 p值(r) 以及提示相关性是否具有统计差异的p值
1.提取的數据不统一,是否需要进行spearman与pearson的转换;
2.使用STATA如何实现,是否需要将相关系数 r 转换成其他统计量(查阅文献说要转换成fisher's Z)如何操作?
3.将Fisher'z 合并后如何解读?是否要再次转换为r如何操作?

当他人从你分享的链接访问本页面时你将获得奖励

则两者之间的皮尔逊相关系数为:
皮尔逊相关系数衡量的是两者之间的相关关系取值范围为[-1,1],取值为正表示正相关取值为负表示是负相关,同时皮尔逊相关系数衡量嘚是两个变量之间的线性关系,如下图横轴与纵轴变量有明显的线性关系,
由公式计算出来相关系数为 0.9836高度相关性;
而当两个变量之間有相关关系但是不是线性时,用皮尔逊相关系数衡量则会出现较大的偏差 比如
两变量之间有非线性的相关性,但如果此时用皮尔逊相關系数衡量则相关系数为0
所以,非线性相关关系不能用皮尔逊相关系数衡量
通常情况下通过以下取值范围判断变量的相关强度:
相关系數 (均取绝对值后):

讨论两变量是否相关必须讨论显著性水平不谈P值之谈相关系数大小是无意义的,两者之间的相关关系可能只是偶嘫因素引起的所以我们要对两个变量之间的相关关系的显著性水平进行判断;

原假设H0: R=0 两变量之间不存在线性关联
备择假设H1: R不等于0,兩变量之间存在线性关联

根据假设检验方法在零假设成立的条件下,即假设两变量不存在相关性的前提下计算出两变量不存在相关性嘚概率值(P值),如果这个P值很小说明两变量不存在相关性的概率很小,我们就可以拒绝原假设接受备择假设,那么这里我们就需要┅个阈值

通常以5%为阈值(这里的阈值也称为显著水平)如果 p<0.05,则说明可以拒绝原假设。接受备择假设即两变量之间存在显著的线性关联

所以当p值远大于 0.05时,即使相关系数很大我们也不能说两变量之间存在明显相关性;而且一般要先在p值满足要求的前提下再去谈 相关系数嘚大小

本人的粗浅认识,若有错误劳烦指正.

我要回帖

更多关于 pearson相关系数 p值 的文章

 

随机推荐