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_partialcorrelation.wasp
Title produced by softwarePartial Correlation
Date of computationMon, 10 Nov 2008 07:08:12 -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/t12263262471bbmj2vuddwyak0.htm/, Retrieved Sun, 19 May 2024 10:19:45 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=23068, Retrieved Sun, 19 May 2024 10:19:45 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact169

Tree of Dependent Computations

Family? (F = Feedback message, R = changed R code, M = changed R Module, P = changed Parameters, D = changed Data)
F       [Partial Correlation] [Various EDA topic...] [2008-11-10 14:08:12] [3bb0537fcae9c337e49b9ce75ff3d4da] [Current]
Feedback Forum
2008-11-18 19:01:30 [Ruben Jacobs] [reply] 
De berekening is correct maar je geeft geen interpretaie. Bij Partiële Correlatie ga je 3 tijdreeksen en dus 3 variabelen met elkaar vergelijken. Hierbij ga je dan de invloed van 1 variabele uitzuiveren; deze kan namelijk het beeld van de correlatie tussen andere 2 andere variabelen vertekenen.
Zo is bijvoorbeeld in jouw tabel de correlatie tussen y en z 0.6888. Dit is sterke positieve correlatie. Maar als je de invloed van x op deze y en z eerst gaat uitzuiveren (de partial correlation). Dan kan je zien dat de correlatie tussen y en z veel kleiner is geworden, slechts 0.3477.

In sommige gevallen kan het zelfs zijn dat er eerst een sterke positieve correlatie en na de uitzuivering van de 3e variabele, geen of zelfs een negatieve correlatie is.
2008-11-20 15:33:06 [Bas van Keken] [reply] 
Verder is te concluderen dat het uitzuiveren van partial correlation op uw tijdsreeks een remmend effect tonen. De reeksen blijven echter wel aardig gecorreleerd.
2008-11-20 21:47:28 [Olivier Uyttendaele] [reply] 
De partial correlation berekent de associatie van 3 variabelen maar je gaat ook opzoek naar de partiele correlatie.
De correlatie van de 2 variabelen X & Y van hierboven (bivariate density) noem je bijvoorbeeld de simpele correlatie r(X,Y). Bij dit model introduceer je dan een 3de variabele Z. Bedoeling hier is om te bekijken of Z -misschien wel of misschien niet- een invloed heeft de relatie tussen X & Y.

Via de partial correlation te berekenen tussen X & Y kan je dus nagaan of Z een factor is die invloed heeft Dit wordt dan r(X,Y|Z). Als r(X,Y) relatief groot is, en r(X,Y|Z) is veel kleiner, dan kan je veronderstellen dat Z een invloedrijke variabele is. Z kan dus voor een gedeelte de relatie uitleggen tussen X & Y. Het zal de relatie uitleggen maar we zullen niet te weten komen wat de relatie veroorzaakt.

Als er 3 variabelen zijn, kan je dus drie eenvoudige correlaties maken nl. r(X,Y), r(X,Z) en r(Y,Z). Wanneer je deze drie correlaties kent, kan je gemakkelijk de partiele correlatie berekenen. Vb; r (X,Z|Y).
Je zal dus telkens op deze manier bij deze de banden met de variabele wegwissen. Wanneer de partial correlation r(X,Y|Z) dicht bij de simpele correlatie ligt, dan kan gesteld worden dat Z weinig invloed heeft op de correlatie tussen X,Y.


Je probeert dus eigenlijk te onderzoeken of 1 van de reeksen invloed heeft op de correlatie van de andere reeksen.
2008-11-24 19:25:50 [Steven Hulsmans] [reply] 
Deze tabel geeft de verschillende correlaties weer tussen 2 correlaties die mogelijk zijn. Ook wordt hier aangetoond in hoeverre een 3e variabele invloed heeft op deze correlaties.

Post a new message

Dataset

Dataseries X:
Download CSV
Histogram
Boxplots 
99,3
99,2
108,3
105,6
99,5
107,4
93,1
88,1
110,7
113,1
99,6
93,6
98,6
99,6
114,3
107,8
101,2
112,5
100,5
93,9
116,2
112
106,4
95,7
96
95,8
103
102,2
98,4
111,4
86,6
91,3
107,9
101,8
104,4
93,4
100,1
98,5
112,9
101,4
107,1
110,8
90,3
95,5
111,4
113
107,5
95,9
106,3
105,2
117,2
106,9
108,2
113
97,2
99,9
108,1
118,1
109,1
93,3
112,1
111,8
112,5
116,3
110,3
117,1
102,6
Dataseries Y:
Download CSV
Histogram 
93,4
101,5
110,4
105,9
108,4
113,9
86,1
69,4
101,2
100,5
98
106,6
90,1
96,9
125,9
112
100
123,9
79,8
83,4
113,6
112,9
104
109,9
99
106,3
128,9
111,1
102,9
130
87
87,5
117,6
103,4
110,8
112,6
102,5
112,4
135,6
105,1
127,7
137
91
90,5
122,4
123,3
124,3
120
118,1
119
142,7
123,6
129,6
151,6
110,4
99,2
130,5
136,2
129,7
128
121,6
135,8
143,8
147,5
136,2
156,6
123,2
Dataseries Z:
Download CSV
Histogram 
110,6
104
112,6
107,3
98,9
109,8
104,9
102,2
123,9
124,9
112,7
121,9
100,6
104,3
120,4
107,5
102,9
125,6
107,5
108,8
128,4
121,1
119,5
128,7
108,7
105,5
119,8
111,3
110,6
120,1
97,5
107,7
127,3
117,2
119,8
116,2
111
112,4
130,6
109,1
118,8
123,9
101,6
112,8
128
129,6
125,8
119,5
115,7
113,6
129,7
112
116,8
127
112,1
114,2
121,1
131,6
125
120,4
117,7
117,5
120,6
127,5
112,3
124,5
112,4

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'Herman Ole Andreas Wold' @ 193.190.124.10:1001

\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 & 'Herman Ole Andreas Wold' @ 193.190.124.10:1001 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=23068&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]'Herman Ole Andreas Wold' @ 193.190.124.10:1001[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=23068&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=23068&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'Herman Ole Andreas Wold' @ 193.190.124.10:1001






Pearson Product Moment Partial Correlation - Ungrouped Data
StatisticValue
Correlation r(xy)0.748424559471212
Partial Correlation r(xy.z)0.514026570160493
Correlation r(xz)0.700421695992301
Partial Correlation r(xz.y)0.384559037630248
Correlation r(yz)0.688819791211668
Partial Correlation r(yz.x)0.347742050689872

\begin{tabular}{lllllllll}
\hline
Pearson Product Moment Partial Correlation - Ungrouped Data \tabularnewline
Statistic & Value \tabularnewline
Correlation r(xy) & 0.748424559471212 \tabularnewline
Partial Correlation r(xy.z) & 0.514026570160493 \tabularnewline
Correlation r(xz) & 0.700421695992301 \tabularnewline
Partial Correlation r(xz.y) & 0.384559037630248 \tabularnewline
Correlation r(yz) & 0.688819791211668 \tabularnewline
Partial Correlation r(yz.x) & 0.347742050689872 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=23068&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]0.748424559471212[/C][/ROW]
[ROW][C]Partial Correlation r(xy.z)[/C][C]0.514026570160493[/C][/ROW]
[ROW][C]Correlation r(xz)[/C][C]0.700421695992301[/C][/ROW]
[ROW][C]Partial Correlation r(xz.y)[/C][C]0.384559037630248[/C][/ROW]
[ROW][C]Correlation r(yz)[/C][C]0.688819791211668[/C][/ROW]
[ROW][C]Partial Correlation r(yz.x)[/C][C]0.347742050689872[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=23068&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=23068&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)0.748424559471212
Partial Correlation r(xy.z)0.514026570160493
Correlation r(xz)0.700421695992301
Partial Correlation r(xz.y)0.384559037630248
Correlation r(yz)0.688819791211668
Partial Correlation r(yz.x)0.347742050689872


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')