a****m
发帖数: 693 | 1 数据1： x1, x2的correlation是0.8
数据2： x1, x2的correlation 是0.2，一般情况下如果合并数据1和数据2. x1, x2的
correlation是不是在0.2 和0.8之间？
可能和variance 也相关？
3x
包子答谢。 | s*r
发帖数: 2757 | 2 你该提供更多条件，否则可能答非所问
泛泛的说，Simpson's paradox就可以说合起来corr可能是负的
http://en.wikipedia.org/wiki/Simpson%27s_paradox | o****o
发帖数: 8077 | 3 pearson correlation is very data specific and can trap you into faked beliefs.
****************
try this code:
set.seed(1)
x<-1:100
y<-0.2*x+rnorm(length(x))*sqrt(var(x))
cor(x,y)
plot(x,y)
x2<-1:100
y2<-900+1.2*x+rnorm(length(x))*sqrt(var(x))
cor(x2,y2)
zx<-c(x,x2)
zy<-c(y,y2) | a****m
发帖数: 693 | 4
谢谢，
我的问题是partial correlation, 就是说是covariance的倒数，去做simulation的时
候，就是把correation matrix,倒数就得到了covariance，然后，MVNRND(Mean,
Covariance) sampling, 我在想，如果有一组数据，和另一组数据因为他们原来的
correlation matrix 不一样, 不知道他们合在一起，去求correlation,他们的范围在
哪里？
如果一个是负数，一个是正数，可能不知道他们的值是多少。
【在 s*r 的大作中提到】
: 你该提供更多条件，否则可能答非所问
: 泛泛的说，Simpson's paradox就可以说合起来corr可能是负的
: http://en.wikipedia.org/wiki/Simpson%27s_paradox
| a****m
发帖数: 693 | 5
beliefs.
3x
【在 o****o 的大作中提到】
: pearson correlation is very data specific and can trap you into faked beliefs.
: ****************
: try this code:
: set.seed(1)
: x<-1:100
: y<-0.2*x+rnorm(length(x))*sqrt(var(x))
: cor(x,y)
: plot(x,y)
: x2<-1:100
: y2<-900+1.2*x+rnorm(length(x))*sqrt(var(x))
|
|
