FreeStatistics.org

Free Statistics

of Irreproducible Research!

Description of Statistical Computation

Author's title

Author*Unverified author*
R Software Modulerwasp_partialcorrelation.wasp
Title produced by softwarePartial Correlation
Date of computationMon, 10 Nov 2008 06:16:54 -0700
Cite this page as followsStatistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?v=date/2008/Nov/10/t1226323064rge8re15racppu4.htm/, Retrieved Sat, 18 May 2024 16:54:46 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=23032, Retrieved Sat, 18 May 2024 16:54:46 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywordspartial correlation Q1
Estimated Impact268

Tree of Dependent Computations

Family? (F = Feedback message, R = changed R code, M = changed R Module, P = changed Parameters, D = changed Data)
-     [Bivariate Kernel Density Estimation] [] [2007-10-30 19:41:32] [d63889a2cb43a84e31f95f02a72561da]
F RMPD    [Partial Correlation] [partial correlati...] [2008-11-10 13:16:54] [d8c5724db236abb5950452133b88474d] [Current]
F    D      [Partial Correlation] [Partial correlation] [2008-12-17 15:15:14] [2b46c8b774ad566be9a33a8da3812a44]
Feedback Forum
2008-11-14 17:18:57 [Kevin Neelen] [reply] 
Er is hier gebruik gemaakt van de methode van Partial Correlation. Bij deze methode redeneert als volgt. Een tijdreeks z kan een positief verband hebben met tijdreeks x en een negatief verband vertonen met tijdreeks y. Als z zou stijgen, houdt dit in dat x mee zou stijgen (positieve correlatie) en y zou dalen (negatieve correlatie). Hieruit zou dan besloten kunnen worden dat tijdreeksen x en y onderling een negatief verband zouden hebben. Dit is niet volledig correct aangezien dit 'verband' beinvloedt wordt door tijdreeks z. Door deze methode te gebruiken, wordt dit vermeden. Zo wordt in deze tabel de eerste partial correlation berekend tussen x en y waarbij de invloed van z wordt weggefilterd (want het beeld zou door z vertekend kunnen worden).

In deze tabel kunnen we zien dat de 'gewone' correlatie tussen x en y 0,56 bedraagt maar als de partiele correlatie berekend wordt tussen x en y waarbij de invloed van z weggefilterd wordt, bekomen we een correlatiewaarde van 0,62. Dit is dus niet echt een groot verschil.
Als we echter kijken naar de correlatie tussen x en z, zien we dat deze -0,09 bedraagt, terwijl de partiele correlatie tussen x en z waarbij de invloed van y weggefilterd wordt, -0,32 is. Dit houdt in dat de invloed van y toch vrij groot is op x en z.

De conclusie van de student was veel te algemeen en er werd niet over de partiele correlatie zelf gezegd.
  2008-11-21 11:03:45 [Stijn Van de Velde] [reply] 
De student slaat in zijn conclusie de bal volledig mis. De bedoeling is hier om te onderzoeken of een 3de reeks invloed heeft op de correlatie tussen 2 andere reeksen. Het kan dus zijn dat de gewone correlatie tussen bv x en y zeer hoog is, maar dat dit louter te wijten is aan de invloed die een 3de factor, z, op x en y uitoefent. Als we dan de partiële relatie tussen x en y zouden onderzoeken zou die veel lager kunnen zijn de de gewone correlatie (omdat hier de invloed van z word weggefilterd).

Voor de verder uitleg verwijs ik naar de student hierboven, Kevin Neelen. Hij heeft reeds een volledige en correcte uitleg gegeven van het idee achter partiële correlatie.
2008-11-17 20:15:57 [Kevin Engels] [reply] 
Het antwoord van de student is te oppervlakkig. We krijgen weldegelijk een vertekend beeld door een derde variabele. De student hierboven geeft de correcte uitleg weer.
2008-11-21 09:28:18 [90714a39acc78a7b2ecd294ecc6b2864] [reply] 
Er worden drie variabelen (x, y en z) met elkaar in verband gebracht waarbij er geen enkel verband bestaat tussen x en y. Er is een sterk positief verband van z op x en een sterk negatief verband van z op y. z stijgt sterk dus x stijgt ook sterk en y daalt daardoor sterk. Een scatterplot van x en y zou een sterk negatief verband weergeven hoewel er geen enkel verband bestaat (het lijkt enkel zo).

Een correlatiecoëfficiënt kan weergeven dat er een sterke correlatie bestaat hoewel een variable de andere twee kan beïnvloeden. Op die manier is de correlatie minder nauwkeurig.

In de tabel zie je een correlatie tussen x en y van 0,56. Daaronder zie je de partiële correlatie tussen x en y, z is uitgezuiverd, en die bedraagt 0,62. Dus zorgt z ervoor dat de correlatie tussen x en y minder nauwkeurig wordt. Als je z uitzuiverd, verhoogt de correlatie.
2008-11-23 16:01:21 [Karen Van den Broeck] [reply] 
Hier heeft de student het mis. We moeten hier gaan onderzoeken of een derde reeks invloed heeft op de correlatie tussen de 2 andere reeksen. De student moet dus gaan kijken naar de partiële correlatie. Zo kunnen we zien dat de z-variabele ervoor gezorgd heeft dat er een vertekend beeld komt.

Post a new message

Dataset

Dataseries X:
Download CSV
Histogram
Boxplots 
110,40
96,40
101,90
106,20
81,00
94,70
101,00
109,40
102,30
90,70
96,20
96,10
106,00
103,10
102,00
104,70
86,00
92,10
106,90
112,60
101,70
92,00
97,40
97,00
105,40
102,70
98,10
104,50
87,40
89,90
109,80
111,70
98,60
96,90
95,10
97,00
112,70
102,90
97,40
111,40
87,40
96,80
114,10
110,30
103,90
101,60
94,60
95,90
104,70
102,80
98,10
113,90
80,90
95,70
113,20
105,90
108,80
102,30
99,00
100,70
115,50
Dataseries Y:
Download CSV
Histogram 
109,20
88,60
94,30
98,30
86,40
80,60
104,10
108,20
93,40
71,90
94,10
94,90
96,40
91,10
84,40
86,40
88,00
75,10
109,70
103,00
82,10
68,00
96,40
94,30
90,00
88,00
76,10
82,50
81,40
66,50
97,20
94,10
80,70
70,50
87,80
89,50
99,60
84,20
75,10
92,00
80,80
73,10
99,80
90,00
83,10
72,40
78,80
87,30
91,00
80,10
73,60
86,40
74,50
71,20
92,40
81,50
85,30
69,90
84,20
90,70
100,30
Dataseries Z:
Download CSV
Histogram 
99,90
99,80
99,80
100,30
99,90
99,90
100,00
100,10
100,10
100,20
100,30
100,60
100,00
100,10
100,20
100,00
100,10
100,10
100,10
100,50
100,50
100,50
96,30
96,30
96,80
96,80
96,90
96,80
96,80
96,80
96,80
97,00
97,00
97,00
96,80
96,90
97,20
97,30
97,30
97,20
97,30
97,30
97,30
97,30
97,30
97,30
98,10
96,80
96,80
96,80
96,80
96,80
96,80
96,80
96,80
96,80
96,80
96,80
96,90
97,10
97,10

Tables (Output of Computation)





Summary of computational transaction
Raw Inputview raw input (R code)
Raw Outputview raw output of R engine
Computing time2 seconds
R Server'Sir Ronald Aylmer Fisher' @ 193.190.124.24

\begin{tabular}{lllllllll}
\hline
Summary of computational transaction \tabularnewline
Raw Input & view raw input (R code)  \tabularnewline
Raw Output & view raw output of R engine  \tabularnewline
Computing time & 2 seconds \tabularnewline
R Server & 'Sir Ronald Aylmer Fisher' @ 193.190.124.24 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=23032&T=0

[TABLE]
[ROW][C]Summary of computational transaction[/C][/ROW]
[ROW][C]Raw Input[/C][C]view raw input (R code) [/C][/ROW]
[ROW][C]Raw Output[/C][C]view raw output of R engine [/C][/ROW]
[ROW][C]Computing time[/C][C]2 seconds[/C][/ROW]
[ROW][C]R Server[/C][C]'Sir Ronald Aylmer Fisher' @ 193.190.124.24[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=23032&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=23032&T=0

As an alternative you can also use a QR Code:  
QR Code


The GUIDs for individual cells are displayed in the table below:

Summary of computational transaction
Raw Inputview raw input (R code)
Raw Outputview raw output of R engine
Computing time2 seconds
R Server'Sir Ronald Aylmer Fisher' @ 193.190.124.24






Pearson Product Moment Partial Correlation - Ungrouped Data
StatisticValue
Correlation r(xy)0.565259717157914
Partial Correlation r(xy.z)0.622240985734484
Correlation r(xz)-0.0974178336509467
Partial Correlation r(xz.y)-0.328609092584141
Correlation r(yz)0.287034985095086
Partial Correlation r(yz.x)0.41669402827205

\begin{tabular}{lllllllll}
\hline
Pearson Product Moment Partial Correlation - Ungrouped Data \tabularnewline
Statistic & Value \tabularnewline
Correlation r(xy) & 0.565259717157914 \tabularnewline
Partial Correlation r(xy.z) & 0.622240985734484 \tabularnewline
Correlation r(xz) & -0.0974178336509467 \tabularnewline
Partial Correlation r(xz.y) & -0.328609092584141 \tabularnewline
Correlation r(yz) & 0.287034985095086 \tabularnewline
Partial Correlation r(yz.x) & 0.41669402827205 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=23032&T=1

[TABLE]
[ROW][C]Pearson Product Moment Partial Correlation - Ungrouped Data[/C][/ROW]
[ROW][C]Statistic[/C][C]Value[/C][/ROW]
[ROW][C]Correlation r(xy)[/C][C]0.565259717157914[/C][/ROW]
[ROW][C]Partial Correlation r(xy.z)[/C][C]0.622240985734484[/C][/ROW]
[ROW][C]Correlation r(xz)[/C][C]-0.0974178336509467[/C][/ROW]
[ROW][C]Partial Correlation r(xz.y)[/C][C]-0.328609092584141[/C][/ROW]
[ROW][C]Correlation r(yz)[/C][C]0.287034985095086[/C][/ROW]
[ROW][C]Partial Correlation r(yz.x)[/C][C]0.41669402827205[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=23032&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=23032&T=1

As an alternative you can also use a QR Code:  
QR Code


The GUIDs for individual cells are displayed in the table below:

Pearson Product Moment Partial Correlation - Ungrouped Data
StatisticValue
Correlation r(xy)0.565259717157914
Partial Correlation r(xy.z)0.622240985734484
Correlation r(xz)-0.0974178336509467
Partial Correlation r(xz.y)-0.328609092584141
Correlation r(yz)0.287034985095086
Partial Correlation r(yz.x)0.41669402827205


Figures (Output of Computation)

Input Parameters & R Code

Parameters (Session):
Parameters (R input):
R code (references can be found in the software module):
(rho12 <- cor(x, y))
(rho23 <- cor(y, z))
(rho13 <- cor(x, z))
(rhoxy_z <- (rho12-(rho13*rho23))/(sqrt(1-(rho13*rho13)) * sqrt(1-(rho23*rho23))))
(rhoxz_y <- (rho13-(rho12*rho23))/(sqrt(1-(rho12*rho12)) * sqrt(1-(rho23*rho23))))
(rhoyz_x <- (rho23-(rho12*rho13))/(sqrt(1-(rho12*rho12)) * sqrt(1-(rho13*rho13))))
load(file='createtable')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,'Pearson Product Moment Partial Correlation - Ungrouped Data',2,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Statistic',1,TRUE)
a<-table.element(a,'Value',1,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Correlation r(xy)',header=TRUE)
a<-table.element(a,rho12)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,hyperlink('partial_correlation1.htm','Partial Correlation r(xy.z)',''),header=TRUE)
a<-table.element(a,rhoxy_z)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Correlation r(xz)',header=TRUE)
a<-table.element(a,rho13)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,hyperlink('partial_correlation1.htm','Partial Correlation r(xz.y)',''),header=TRUE)
a<-table.element(a,rhoxz_y)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Correlation r(yz)',header=TRUE)
a<-table.element(a,rho23)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,hyperlink('partial_correlation1.htm','Partial Correlation r(yz.x)',''),header=TRUE)
a<-table.element(a,rhoyz_x)
a<-table.row.end(a)
a<-table.end(a)
table.save(a,file='mytable.tab')