FreeStatistics.org

Free Statistics

of Irreproducible Research!

Description of Statistical Computation

Author's title

Author*Unverified author*
R Software Modulerwasp_pairs.wasp
Title produced by softwareKendall tau Correlation Matrix
Date of computationMon, 03 Nov 2008 12:43:11 -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/03/t1225741444u8997494tmo5ne8.htm/, Retrieved Sun, 19 May 2024 11:14:22 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=21098, Retrieved Sun, 19 May 2024 11:14:22 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact189

Tree of Dependent Computations

Family? (F = Feedback message, R = changed R code, M = changed R Module, P = changed Parameters, D = changed Data)
F     [Kendall tau Correlation Matrix] [Part 2 - Q1 - Bob...] [2008-11-02 17:32:48] [57850c80fd59ccfb28f882be994e814e]
F    D    [Kendall tau Correlation Matrix] [Stefanie Mertens] [2008-11-03 19:43:11] [01c398ee8ca2f8c0964b19b0b10c7536] [Current]
Feedback Forum
2008-11-05 17:46:53 [Peter Melgers] [reply] 
0,01 wil niet zeggen dat het verband tussen de 2 indicatoren (RNR en RCF) slechts 1% bedraagt, deze 0,01 zegt iets over de betrouwbaarheid van de correlatie. Hoe kleiner deze waarde, hoe groter het verband / de correlatie tussen de 2 indicatoren. Dit kan je ook aflezen in de tabel boven de correlation plot: 0.80952380952381 (tau is de correlatiecoëfficiënt).

Aan de scatterplot kan je ook zien dat er een sterk verband bestaat tussen deze 2 indicatoren, de punten liggen namelijk zo goed als op een lijn.
2008-11-06 15:31:55 [Stijn Van de Velde] [reply] 
Het juiste antwoord is hier inderdaad 'RCF'.
Je bedoeld het wel juist, maar je vergist je als je zegt dat 'het verband tussen RNR en RCF slechts 1% bedraagt'. Wat wel juist is, is zoals je daarvoor zelfs al zei, dat er een kans van ongeveer 1% is dat deze positieve correlatie (van 81%) tussen RNR en RCF gebaseerd is op toeval.

Als we naar de grafiek kijken zien we ook daar duidelijk dat er een sterke positieve correlatie is.
2008-11-08 13:57:58 [Mehmet Yilmaz] [reply] 
De 0.01 verwijst naar de betrouwbaarheid van de correlatiecoëfficient. Hoe hoger dat deze waarde is, hoe meer kans op toeval. Hoe kleiner dat het is, hoe beter (dus betrouwbaarder).
Hier is sprake van een positieve correlatie.
2008-11-09 11:08:35 [Steven Hulsmans] [reply] 
De 0,01 ligt onder de 0,05 dus we kunnen zeggen dat deze waarde zeer betrouwbaar is. De CF is bijgevolg het meest gecorreleerd.
2008-11-09 13:48:48 [Nathalie Boden] [reply] 
Hoe kleiner= hoe beter en hoe groter hoe meer toeval, dit is geen correlatiecoëfficiënt, het is hier de betrouwbaarheid.

We lezen dit af op de bovenstaande tabel dat de cashflow de best gecorreleerd is (nl. 80.9%) en zeer betrouwbaar (nl. 1% van de gegevens zegt dat het toeval kan zijn)
tau( RNR , RCF ) 0.80952380952381 0.0107142857142857



2008-11-11 14:10:32 [Jeroen Michel] [reply] 
Zoals vorige studenten al aanhalen is het percentage (1%) de kans dat er een positieve correlatie van 81% bestaat tussen RNR en RCF (gebaseerd op toeval).

Ook op de grafiek is te zien dat er een sterke correlatie aanwezig is.
2008-11-11 15:27:17 [Lindsay Heyndrickx] [reply] 
De berekeningen zijn hier juist maar er werd de foute conclusie gemaakt.
Hier gebruiken we de kendall tau correlation plot. Dit is een goede maatstaf voor outliers want zelfs de observaties die ver liggen worden kleiner. Het is robuuster voor outliers.
Deze getallen zeggen niet wat de correlatie is maar wel de betrouwbaarheid van de correlatie. Hoe hoger het getal hoe toevalliger dus hoe kleiner deze getallen zijn hoe beter.

2008-11-11 22:05:59 [Joachim Van Hemelen] [reply] 
Correctie berekeningen, foute interpretatie

De P-waarden geven niet de correlatiecoëfficiënt, maar de betrouwbaarheid van de correlatiecoëfficiënt. Hoe kleiner de P-waarde, hoe groter de betrouwbaarheid van de correlatiecoëfficiënt. Hoe groterr de P-waarde, hoe kleiner de betrouwbaarheid van de correlatiecoëfficiënt. Eigenlijk is er pas sprake van correlatie met een P-waarde kleiner dan 0,05.

Post a new message

Dataset

Dataseries X:
Download CSV
Histogram
Boxplots 
4.2	4.8	20.8	0.9	39.6
2.6	-4.2	17.1	0.85	36.1
3	1.6	22.3	0.83	34.4
3.8	5.2	25.1	0.84	33.4
4	9.2	27.7	0.85	34.8
3.5	4.6	24.9	0.83	33.7
4.1	10.6	29.5	0.83	36.3

Tables (Output of Computation)





Summary of computational transaction
Raw Inputview raw input (R code)
Raw Outputview raw output of R engine
Computing time1 seconds
R Server'Gwilym Jenkins' @ 72.249.127.135

\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 & 1 seconds \tabularnewline
R Server & 'Gwilym Jenkins' @ 72.249.127.135 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=21098&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]1 seconds[/C][/ROW]
[ROW][C]R Server[/C][C]'Gwilym Jenkins' @ 72.249.127.135[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=21098&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=21098&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 time1 seconds
R Server'Gwilym Jenkins' @ 72.249.127.135






Kendall tau rank correlations for all pairs of data series
pairtaup-value
tau( RNVM , RNR )0.7142857142857140.0301587301587301
tau( RNVM , RCF )0.5238095238095240.136111111111111
tau( RNVM , RLEZ )0.2646280620124820.427262856745706
tau( RNVM , REV )0.3333333333333330.381349206349206
tau( RNR , RCF )0.809523809523810.0107142857142857
tau( RNR , RLEZ )-0.05292561240249630.873844698517373
tau( RNR , REV )0.04761904761904761
tau( RCF , RLEZ )-0.2646280620124820.427262856745706
tau( RCF , REV )-0.1428571428571430.772619047619048
tau( RLEZ , REV )0.3704792868174740.266379923342483

\begin{tabular}{lllllllll}
\hline
Kendall tau rank correlations for all pairs of data series \tabularnewline
pair & tau & p-value \tabularnewline
tau( RNVM , RNR ) & 0.714285714285714 & 0.0301587301587301 \tabularnewline
tau( RNVM , RCF ) & 0.523809523809524 & 0.136111111111111 \tabularnewline
tau( RNVM , RLEZ ) & 0.264628062012482 & 0.427262856745706 \tabularnewline
tau( RNVM , REV ) & 0.333333333333333 & 0.381349206349206 \tabularnewline
tau( RNR , RCF ) & 0.80952380952381 & 0.0107142857142857 \tabularnewline
tau( RNR , RLEZ ) & -0.0529256124024963 & 0.873844698517373 \tabularnewline
tau( RNR , REV ) & 0.0476190476190476 & 1 \tabularnewline
tau( RCF , RLEZ ) & -0.264628062012482 & 0.427262856745706 \tabularnewline
tau( RCF , REV ) & -0.142857142857143 & 0.772619047619048 \tabularnewline
tau( RLEZ , REV ) & 0.370479286817474 & 0.266379923342483 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=21098&T=1

[TABLE]
[ROW][C]Kendall tau rank correlations for all pairs of data series[/C][/ROW]
[ROW][C]pair[/C][C]tau[/C][C]p-value[/C][/ROW]
[ROW][C]tau( RNVM , RNR )[/C][C]0.714285714285714[/C][C]0.0301587301587301[/C][/ROW]
[ROW][C]tau( RNVM , RCF )[/C][C]0.523809523809524[/C][C]0.136111111111111[/C][/ROW]
[ROW][C]tau( RNVM , RLEZ )[/C][C]0.264628062012482[/C][C]0.427262856745706[/C][/ROW]
[ROW][C]tau( RNVM , REV )[/C][C]0.333333333333333[/C][C]0.381349206349206[/C][/ROW]
[ROW][C]tau( RNR , RCF )[/C][C]0.80952380952381[/C][C]0.0107142857142857[/C][/ROW]
[ROW][C]tau( RNR , RLEZ )[/C][C]-0.0529256124024963[/C][C]0.873844698517373[/C][/ROW]
[ROW][C]tau( RNR , REV )[/C][C]0.0476190476190476[/C][C]1[/C][/ROW]
[ROW][C]tau( RCF , RLEZ )[/C][C]-0.264628062012482[/C][C]0.427262856745706[/C][/ROW]
[ROW][C]tau( RCF , REV )[/C][C]-0.142857142857143[/C][C]0.772619047619048[/C][/ROW]
[ROW][C]tau( RLEZ , REV )[/C][C]0.370479286817474[/C][C]0.266379923342483[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=21098&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=21098&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:

Kendall tau rank correlations for all pairs of data series
pairtaup-value
tau( RNVM , RNR )0.7142857142857140.0301587301587301
tau( RNVM , RCF )0.5238095238095240.136111111111111
tau( RNVM , RLEZ )0.2646280620124820.427262856745706
tau( RNVM , REV )0.3333333333333330.381349206349206
tau( RNR , RCF )0.809523809523810.0107142857142857
tau( RNR , RLEZ )-0.05292561240249630.873844698517373
tau( RNR , REV )0.04761904761904761
tau( RCF , RLEZ )-0.2646280620124820.427262856745706
tau( RCF , REV )-0.1428571428571430.772619047619048
tau( RLEZ , REV )0.3704792868174740.266379923342483


Figures (Output of Computation)

Input Parameters & R Code

Parameters (Session):
Parameters (R input):
R code (references can be found in the software module):
panel.tau <- function(x, y, digits=2, prefix='', cex.cor)
{
usr <- par('usr'); on.exit(par(usr))
par(usr = c(0, 1, 0, 1))
rr <- cor.test(x, y, method='kendall')
r <- round(rr$p.value,2)
txt <- format(c(r, 0.123456789), digits=digits)[1]
txt <- paste(prefix, txt, sep='')
if(missing(cex.cor)) cex <- 0.5/strwidth(txt)
text(0.5, 0.5, txt, cex = cex)
}
panel.hist <- function(x, ...)
{
usr <- par('usr'); on.exit(par(usr))
par(usr = c(usr[1:2], 0, 1.5) )
h <- hist(x, plot = FALSE)
breaks <- h$breaks; nB <- length(breaks)
y <- h$counts; y <- y/max(y)
rect(breaks[-nB], 0, breaks[-1], y, col='grey', ...)
}
bitmap(file='test1.png')
pairs(t(y),diag.panel=panel.hist, upper.panel=panel.smooth, lower.panel=panel.tau, main=main)
dev.off()
load(file='createtable')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,'Kendall tau rank correlations for all pairs of data series',3,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'pair',1,TRUE)
a<-table.element(a,'tau',1,TRUE)
a<-table.element(a,'p-value',1,TRUE)
a<-table.row.end(a)
n <- length(y[,1])
n
cor.test(y[1,],y[2,],method='kendall')
for (i in 1:(n-1))
{
for (j in (i+1):n)
{
a<-table.row.start(a)
dum <- paste('tau(',dimnames(t(x))[[2]][i])
dum <- paste(dum,',')
dum <- paste(dum,dimnames(t(x))[[2]][j])
dum <- paste(dum,')')
a<-table.element(a,dum,header=TRUE)
r <- cor.test(y[i,],y[j,],method='kendall')
a<-table.element(a,r$estimate)
a<-table.element(a,r$p.value)
a<-table.row.end(a)
}
}
a<-table.end(a)
table.save(a,file='mytable.tab')