[英]point biserial and p-value
我正在尝试获得连续词汇得分和句法生产力(二分:有生产能力与无生产能力)之间的双歧关系。
我尝试了两个ltm软件包
> biserial.cor (lol$voc1_tvl, lol$synt, use = c("complete.obs"))
和polycor包
> polyserial( lol$voc1_tvl, lol$synt, ML = FALSE, control = list(), std.err = FALSE, maxcor=.9999, bins=4)
问题是没有一个测试给我p值
如何运行点双数相关测试并获得关联的p值,或者自己计算p值?
由于点双数相关只是流行的Peason乘积矩的一个特例,因此您可以使用cor.test
近似(以后再说)连续X和二分Y之间的相关。例如,给定以下内容数据:
set.seed(23049)
x <- rnorm(1e3)
y <- sample(0:1, 1e3, replace = TRUE)
运行cor.test(x, y)
将为您提供所需的信息。
Pearson's product-moment correlation
data: x and y
t = -1.1971, df = 998, p-value = 0.2316
alternative hypothesis: true correlation is not equal to 0
95 percent confidence interval:
-0.09962497 0.02418410
sample estimates:
cor
-0.03786575
为了表明这些系数之间的相似性,请注意-0.03786575
的计算相关度与ltm::biserial.cor
提供的相似度如何:
> library(ltm)
> biserial.cor(x, y, level = 2)
[1] -0.03784681
不同之处在于, biserial.cor
是根据总体计算的,标准偏差除以n
,其中cor
和cor.test
计算样本的标准偏差,除以n - 1
。
如cgage所述,您还可以使用polyserial()
函数,在我的示例中这将产生
> polyserial(x, y, std.err = TRUE)
Polyserial Correlation, 2-step est. = -0.04748 (0.03956)
Test of bivariate normality: Chisquare = 1.891, df = 5, p = 0.864
这里,相信在所计算的相关(-0.04748)的差异是由于polyserial
使用优化算法来近似计算(这是不必要的,除非Y具有两个以上的级别)。
使用ggplot2
数据集mpg
作为可重现的示例:
library(ggplot2)
# Use class as dichotomous variable (must subset)
newData = subset(mpg, class == 'midsize' | class == 'compact')
# Now getting p-value
library(ltm)
polyserial(newData$cty,newData$class, std.err = T)
你会看到所有你想要使用输出std.err=T
在polyserial
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.