费雪变换
统计学中用于相关系数假设检验的方法
费雪变换(英语:Fisher transformation),是统计学中用于相关系数假设检验的一种方法。
简介
费雪变换(英语:Fisher transformation)是统计学中用于相关系数假设检验的一种方法。对样本相关系数进行费雪变换后,可以用来检验关于总体相关系数ρ的假设。
定义
已知N组双变量样本(Xi,Yi),i=1,...,N,样本相关系数r为
于是,r的费雪变换可定义为
当 (X,Y) 为二元正态分布且 (Xi,Yi)对相互独立时,z近似为正态分布。其均值为
其中N是样本大小,ρ 是变量X与Y的总体相关系数。
费雪变换及其逆变换
可以用于构造ρ的置信区间
讨论
当X和Y遵循二元正态分布时,Fisher变换是r的近似方差稳定变换。这意味着对于群体相关系数ρ的所有值,z的方差近似恒定。在没有Fisher变换的情况下,r的方差随着|ρ|变小由于Fisher变换大约是| r |时的恒等函数<1/2,有时候有必要记住r的方差很好地接近1 / N,只要|ρ|不是太大,N也不是太小。这与二元正态数据的r的渐近方差为1的事实有关。
自从费希尔于1915年引入这种变换以来,这种变换的行为已经得到了广泛的研究。费舍尔自己在1921年发现了二元正态分布数据的z的精确分布; 1951年Gayen确定了来自双变量A型Edgeworth分布的数据的z的精确分布。 1953年霍特林计算了z的矩和泰勒级数表达式以及几个相关的统计量,而霍金斯在1989年发现了具有有界四阶矩的分布数据的z的渐近分布。
应用
虽然Fisher变换主要与双变量正态观测的Pearson积矩相关系数有关,但在更一般的情况下,它也可以应用于Spearman秩相关系数。类似结果对于渐近分布适用,但需要较小的调整因子。
各种相关系数
对于不同测量尺度的变数,有不同的相关系数可用:
参见
参考资料
最新修订时间:2022-08-25 18:29
目录
概述
简介
定义
讨论
参考资料