推 memphis:你在玩CUDA R? 04/28 14:10
→ bmka:google "Fisher transformation" 04/28 14:27
→ yhliu:Fisher transformation 只是做簡單變換, 也與 r 與迴歸係數 04/28 16:59
→ yhliu:的關係是兩回事. 04/28 16:59
→ yhliu:若只是簡單直線迴歸, r√(t-2)/√(1-r^2) 相當於檢定簡單直 04/28 17:01
→ yhliu:線迴歸係數之 t. 上列√(n-2) 誤植為 √(t-2). 04/28 17:01
→ yhliu:若是要對應到複迴歸, 則分子要代之以 partial correlation 04/28 17:02
→ yhliu:而分母用 multiple correlation, √(n-2) 也要做修正. 04/28 17:03
→ LiamIssac:謝謝回答! "修正"的部分我還是不太清楚 可否煩請解惑? 04/28 20:02
→ LiamIssac:@memphis: 不是耶 在玩別的東西:) 04/28 20:07
推 bmka: Fisher's Z transformation test is an approximation test. 04/28 20:09
→ bmka:you may use it to estimate the p value and its 04/28 20:22
→ bmka:corresponding absolute value of t statistic. 04/28 20:24
→ LiamIssac:找到F. Transform了 我先來研究看看 謝謝! :) 04/28 20:26
→ bmka:L大,我提的方法只是用來簡單得到p value,（我猜你想要的 04/28 20:37
→ bmka:其實是p value吧)Fisher's transformation 是我做咨詢時 04/28 20:40
→ bmka:拿來估樣本數的簡單計算方法，y大提供的是嚴謹的做法 04/28 20:45
→ bmka:如果你在修課，那麼請先弄懂y大的方法 04/28 20:54
→ yhliu:樓上, 你所謂的 Fisher's transformation 難道不是 04/28 22:16
→ yhliu:z = (1/2)ln[(1+r)/(1-r)]? 04/28 22:16
→ yhliu:這明明與複迴歸不相干? 那是關於相關係數本身的推論. 04/28 22:17
→ yhliu:然而,我只知道簡單相關係數...偏相關係數它是否適用我不清楚 04/28 22:18
→ yhliu:而且, 在簡單相關情形, 它需要兩變量群體分布是雙變量常態, 04/28 22:19
→ yhliu:而且 n 夠大. 04/28 22:19
→ yhliu:它的好處是不僅論用 "相關係數為 0" 這樣的假說檢定. 04/28 22:20
→ yhliu:而我所提的 t-transform, 僅適用 "迴歸係數=0" 或 "相關=0" 04/28 22:20
→ yhliu:好處是只需迴歸模型的假設成立. 也就是說, 解釋變數不一定要 04/28 22:22
→ yhliu:常態. 而且 t 轉換只是一個代數上的等價轉換, 並不需要大樣 04/28 22:23
→ yhliu:本, 除非迴歸模型中 "誤差項為常態" 的假設不成立. 04/28 22:23
→ yhliu:回原問者: 例如複迴歸是 Y=α+β1*x1+β2*x2+e, 而相關矩陣 04/28 22:25
→ yhliu:提供了 r(y1), r(y2) 與 r(12). 考慮β1=0 與否的 t 檢定. 04/28 22:25
→ yhliu:首先計算偏相關 r(y1.2) = (r(y1)-r(y2)r(12))/A 04/28 22:27
→ yhliu:A = √[(1-r(y2)^2)(1-r(12)^2)]. 04/28 22:27
→ yhliu:其次計算複相關係數 R(y.12) ...公式我不記得, 需再查或推導 04/28 22:34
→ yhliu:然後 t =r(y1.2)√(n-3)/√{1-R(y.12)^2} 04/28 22:35
→ yhliu:r(y1,2) 即是扮演樣本複迴歸係數角色; 而 04/28 22:36
→ yhliu:r(y1,2) 即是扮演樣本複迴歸係數角色; 而 04/28 22:37
→ yhliu:(1-R(y.12)^2)/(n-3) 扮演 MSE 角色. 04/28 22:38
→ yhliu:似乎還差了一點東西... 04/28 22:39
→ bmka:Like I said before, Fisher's Z transformation test is an 04/28 22:55
→ bmka:ad-hoc method to test the significance of association. 04/28 23:00
→ bmka:It can be used to test conditional independence as well. 04/28 23:03
→ bmka:The drawback is that it requires normality assumption, 04/28 23:08
→ bmka:which may or may not be valid in practice. 04/28 23:10
→ bmka:When I replied, I've already converted the problem into 04/28 23:43
→ bmka:testing for (conditional) independence. I should be more 04/28 23:45
→ bmka:I should have been more specific about the purpose. 04/28 23:48
→ yhliu:用 partial correlation 及 multiple correlation 的轉換太 04/28 23:59
→ yhliu:麻煩. 可直接由相關矩陣計算標準化迴歸係數及 t 統計量. 04/29 00:00
→ yhliu:請參考 telnet://bs2.twbbs.org 的 Statistics 版. 04/29 00:00
→ LiamIssac:謝謝 我得先吸收一下~ 04/29 21:36