FreeStatistics.org

Free Statistics

of Irreproducible Research!

Description of Statistical Computation

Author's title

Author*The author of this computation has been verified*
R Software Modulerwasp_boxcoxlin.wasp
Title produced by softwareBox-Cox Linearity Plot
Date of computationTue, 11 Nov 2008 12:29:26 -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/11/t1226431795gjyzwtd0l79co47.htm/, Retrieved Sat, 18 May 2024 14:38:37 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=23873, Retrieved Sat, 18 May 2024 14:38:37 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact179

Tree of Dependent Computations

Family? (F = Feedback message, R = changed R code, M = changed R Module, P = changed Parameters, D = changed Data)
F     [Hierarchical Clustering] [Workshop 4] [2007-10-30 14:51:35] [c8ea599e5a03d5b991b7fa762eaf839d]
F RMPD    [Box-Cox Linearity Plot] [q3] [2008-11-11 19:29:26] [f24298b2e4c2a19d76cf4460ec5d2246] [Current]
Feedback Forum
2008-11-21 15:58:20 [Stijn Van de Velde] [reply] 
Bij deze methode gaan we kijken of er een lambda bestaat zodanig dat je de x-variabele kan transformeren om een lineair verband te maken van de scatterplot.
We zoeken dus naar de lambda waarde waar de correlatie waarde het hoogste is.

Je kan duidelijk zien de deze grafiek tussen lambda -2 en 2 geen maximum kent.

Hieruit kunnen we vaststellen dat we geen besluit kunnen trekken.
2008-11-24 11:37:09 [Lindsay Heyndrickx] [reply] 
Hier is iets fout gegaan in de date. Dit werd met foute gegevens berekend. Er is ook geen uitleg bij gegeven. Deze plot wordt gebruikt om tijdreeksen aan te passen. Hier krijg je een lamda parameter zodanig dat je alle transformaties van -2 tot 2 krijgt. Je kan hier de correlatie berekenen van x en y en zo kan je kijken welke het grootst is of het meest lineair. Als je in de x as niet veel verhoogt zoals hier wilt dit zeggen dat de correlatie niet spectaculair toeneemt. De waarde met de hoogste correlatie is hier de correcte lambda waarde. Normaal zou dit een optimale waarde moeten geven en het midden een maximum. hier zie je eenrechte lijn dus weet je niet zeker of dit wel de optimale correlatie is.
2008-11-24 19:09:48 [Jeroen Aerts] [reply] 
Als de scatterplot een kromme lijn trekt ipv een rechte vermoeden we een niet lineair verband, maar dit verband kan nog gezocht worden met de box-cox linearity plot, ook al levert dat in dit geval geen resultaat op.

We zien op de kromme welke lambda we kunnen gebruiken voor een optimaal verband, maar aangezien dit een rechte is en nog geen maximum aangeeft maar nog richting het maximum toegaat, is hier geen resultaat mogelijk.

Post a new message

Dataset

Dataseries X:
Download CSV
Histogram
Boxplots 
88.6
71.6
93.3
84.3
80.6
75.2
69.7
82
69.4
83.3
79.6
82.6
80.6
83.5
76.3
Dataseries Y:
Download CSV
Histogram 
20
16
19.8
18.4
17.1
15.5
14.7
17.1
15.4
16.2
15
17.2
16
17
14.4

Tables (Output of Computation)





Summary of computational transaction
Raw Inputview raw input (R code)
Raw Outputview raw output of R engine
Computing time3 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 & 3 seconds \tabularnewline
R Server & 'Sir Ronald Aylmer Fisher' @ 193.190.124.24 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=23873&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]3 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=23873&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=23873&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 time3 seconds
R Server'Sir Ronald Aylmer Fisher' @ 193.190.124.24






Box-Cox Linearity Plot
# observations x15
maximum correlation0.848376278701644
optimal lambda(x)2
Residual SD (orginial)0.936177904924395
Residual SD (transformed)0.9010511536877

\begin{tabular}{lllllllll}
\hline
Box-Cox Linearity Plot \tabularnewline
# observations x & 15 \tabularnewline
maximum correlation & 0.848376278701644 \tabularnewline
optimal lambda(x) & 2 \tabularnewline
Residual SD (orginial) & 0.936177904924395 \tabularnewline
Residual SD (transformed) & 0.9010511536877 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=23873&T=1

[TABLE]
[ROW][C]Box-Cox Linearity Plot[/C][/ROW]
[ROW][C]# observations x[/C][C]15[/C][/ROW]
[ROW][C]maximum correlation[/C][C]0.848376278701644[/C][/ROW]
[ROW][C]optimal lambda(x)[/C][C]2[/C][/ROW]
[ROW][C]Residual SD (orginial)[/C][C]0.936177904924395[/C][/ROW]
[ROW][C]Residual SD (transformed)[/C][C]0.9010511536877[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=23873&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=23873&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:

Box-Cox Linearity Plot
# observations x15
maximum correlation0.848376278701644
optimal lambda(x)2
Residual SD (orginial)0.936177904924395
Residual SD (transformed)0.9010511536877


Figures (Output of Computation)

Input Parameters & R Code

Parameters (Session):
Parameters (R input):
R code (references can be found in the software module):
n <- length(x)
c <- array(NA,dim=c(401))
l <- array(NA,dim=c(401))
mx <- 0
mxli <- -999
for (i in 1:401)
{
l[i] <- (i-201)/100
if (l[i] != 0)
{
x1 <- (x^l[i] - 1) / l[i]
} else {
x1 <- log(x)
}
c[i] <- cor(x1,y)
if (mx < abs(c[i]))
{
mx <- abs(c[i])
mxli <- l[i]
}
}
c
mx
mxli
if (mxli != 0)
{
x1 <- (x^mxli - 1) / mxli
} else {
x1 <- log(x)
}
r<-lm(y~x)
se <- sqrt(var(r$residuals))
r1 <- lm(y~x1)
se1 <- sqrt(var(r1$residuals))
bitmap(file='test1.png')
plot(l,c,main='Box-Cox Linearity Plot',xlab='Lambda',ylab='correlation')
grid()
dev.off()
bitmap(file='test2.png')
plot(x,y,main='Linear Fit of Original Data',xlab='x',ylab='y')
abline(r)
grid()
mtext(paste('Residual Standard Deviation = ',se))
dev.off()
bitmap(file='test3.png')
plot(x1,y,main='Linear Fit of Transformed Data',xlab='x',ylab='y')
abline(r1)
grid()
mtext(paste('Residual Standard Deviation = ',se1))
dev.off()
load(file='createtable')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,'Box-Cox Linearity Plot',2,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'# observations x',header=TRUE)
a<-table.element(a,n)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'maximum correlation',header=TRUE)
a<-table.element(a,mx)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'optimal lambda(x)',header=TRUE)
a<-table.element(a,mxli)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Residual SD (orginial)',header=TRUE)
a<-table.element(a,se)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Residual SD (transformed)',header=TRUE)
a<-table.element(a,se1)
a<-table.row.end(a)
a<-table.end(a)
table.save(a,file='mytable.tab')