Repository of Reproducible Computations

Free Statistics

of Irreproducible Research!

Author's title

Author

*The author of this computation has been verified*

R Software Module

rwasp_partialcorrelation.wasp

Title produced by software

Partial Correlation

Date of computation

Wed, 12 Nov 2008 07:29:07 -0700

Cite this page as follows

Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?v=date/2008/Nov/12/t12265003143lrgi0qyprfhjs6.htm/, Retrieved Sun, 19 May 2024 10:12:08 +0000

Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=24213, Retrieved Sun, 19 May 2024 10:12:08 +0000

QR Codes:

Paste this QR Code to cite your computation.

Original text written by user:

IsPrivate?

No (this computation is public)

User-defined keywords

Estimated Impact

183

Family? (F = Feedback message, R = changed R code, M = changed R Module, P = changed Parameters, D = changed Data)

-     [Trivariate Scatterplots] [trivariate scatte...] [2008-11-12 09:06:38] [1629cfe013a845a1f17a9464ae7c26b6]
F RMPD    [Partial Correlation] [Q1 various ECA to...] [2008-11-12 14:29:07] [bca67c46bcf35400430db40e8c261de9] [Current]

Feedback Forum

2008-11-16 15:10:00 [Julie Govaerts] [reply] 
er is inderdaad een positief verband tussen bepaalde munten 
 
partiële correlatie is een goede manier om verbanden te meten want corrigeert voor de schijncorrelatie, nonsenscorrelatie 
bij een partiële correlatie is het nodig om een derde variabele te hebben die een groot vertekenend effect heeft = maar is moeilijk te vinden = geluk hebben 
 
andere mogelijke methodes waren= 
1) trivariate scatterplot --> 3dimensioneel het verband tussen 3 variabelen tonen, in deze context misschien handig? kan makkelijk vanuit verschillende perspectieven bekeken worden = invalshoeken en zo andere dingen ontdekken 
 
2)Bivariate Kernell density plot --> een punten wolk 
er wordt ook een lijn getekend zo dicht mogelijk bij de puntenwolk 
bevatten clusters = grotere groepen van gegevens --> onderzoeken welk deel van je tijdsreeks verantwoordelijk is voor een bepaalde puntenwolk 
bv cirkelvormig = een correlatie van 0 
wordt meer gebruikt om te verkennen 
 
3)Dendogram --> maakt in periodes groepen die gelijkaardig zijn = de tijdsreeks wordt gesplitst 
eerder een exploratief instrument (bv voor in de marketing = welke producten horen samen in 1 groep?) 
 
4) box-cox linearity plot --> er worden 2 variabelen voorgesteld dmv een scatterplot en dan gaan we kijken hoe lineair zij zijn. 
 
Doel: De transformatie vinden van de X-variabele die de correlatie tussen Y en een X-variabele vervetert = meer lineair (transformatie moet nuttig zijn) 
 
Wanneer men een lineaire fit van Y tegen X uitvoert, kan een degelijke transformatie van X de fit soms aanzienlijk verbeteren. De Box-Cox transformatie wordt gedefinieerd als:  
 
λ (lambda) is de transformatieparameter die schommelt tussen -2 en 2 = wordt toegepast op X --> de optimale waarde van lambda zoeken (!kan ook soms niet de moeite zijn = niet veel verbeterd!) 
 
De Box-Cox Linearity Plot is een plot van de correlatie tussen Y en de getransformeerde X voor gegeven waarden van λ. λ is het coördinaat van de variabele op de horizontale as. Het coördinaat van de verticale as is de waarde van de correlatie tussen Y en de getransformeerde X. De waarde van λ die correspondeert met de maximumcorrelatie is de optimale keuze van λ. 
2008-11-16 16:13:57 [Kelly Deckx] [reply] 
Je hebt een goede oplossing geven maar je hebt de partial correlation niet besproken. De Partial Correlation maakt het mogelijk de invloed van een derde variabele te neutraliseren. Op die manier is het mogelijk om na te gaan of er geen sprake is van een 'schijncorrelatie'. B.V. Partial correlation (xy,z) = de correlatie tussen x en y waarbij het effect van z wordt weggenomen.
2008-11-19 20:08:20 [Bénédicte Soens] [reply] 
Via de partial correlation worden verbanden gezocht en deze worden bekeken op 3 vlakken. Hierbij wordt telkens 1 variabele afzijdig gehouden zodat deze geen vertekend beeld zou kunnen opleveren. Het is bijvoorbeeld niet omdat x en y een positief verband hebben en X en Z een negatief verband hebben dat je ook zeker kan spreken van een verband tussen Y en Z. Dit probeert men op deze manier weer te geven. Bij de gegevens dat u hebt gebruikt is er telkens een positief verband tussen de variabelen al kan men wel zeggen dat er tussen y en z geen groot verband is en bij x-y en x-z wel. Het is wel jammer dat de andere methoden zoals de Biavariate Density of Trivariate Scatterplot niet werden besproken.

Post a new message

Dataseries X:

Download CSV

Histogram

Boxplots

Dataseries Y:

Download CSV

Histogram

Dataseries Z:

Download CSV

Histogram

Summary of computational transaction
Raw Input	view raw input (R code)
Raw Output	view raw output of R engine
Computing time	0 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 & 0 seconds \tabularnewline
R Server & 'Gwilym Jenkins' @ 72.249.127.135 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=24213&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]0 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=24213&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=24213&T=0

As an alternative you can also use a QR Code:

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

Summary of computational transaction
Raw Input	view raw input (R code)
Raw Output	view raw output of R engine
Computing time	0 seconds
R Server	'Gwilym Jenkins' @ 72.249.127.135

Pearson Product Moment Partial Correlation - Ungrouped Data
Statistic	Value
Correlation r(xy)	0.897737265927056
Partial Correlation r(xy.z)	0.849225976627546
Correlation r(xz)	0.555913831457656
Partial Correlation r(xz.y)	0.0854695892393486
Correlation r(yz)	0.585230289899258
Partial Correlation r(yz.x)	0.235305142344493

\begin{tabular}{lllllllll}
\hline
Pearson Product Moment Partial Correlation - Ungrouped Data \tabularnewline
Statistic & Value \tabularnewline
Correlation r(xy) & 0.897737265927056 \tabularnewline
Partial Correlation r(xy.z) & 0.849225976627546 \tabularnewline
Correlation r(xz) & 0.555913831457656 \tabularnewline
Partial Correlation r(xz.y) & 0.0854695892393486 \tabularnewline
Correlation r(yz) & 0.585230289899258 \tabularnewline
Partial Correlation r(yz.x) & 0.235305142344493 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=24213&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]0.897737265927056[/C][/ROW]
[ROW][C]Partial Correlation r(xy.z)[/C][C]0.849225976627546[/C][/ROW]
[ROW][C]Correlation r(xz)[/C][C]0.555913831457656[/C][/ROW]
[ROW][C]Partial Correlation r(xz.y)[/C][C]0.0854695892393486[/C][/ROW]
[ROW][C]Correlation r(yz)[/C][C]0.585230289899258[/C][/ROW]
[ROW][C]Partial Correlation r(yz.x)[/C][C]0.235305142344493[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=24213&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=24213&T=1

As an alternative you can also use a QR Code:

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

Pearson Product Moment Partial Correlation - Ungrouped Data
Statistic	Value
Correlation r(xy)	0.897737265927056
Partial Correlation r(xy.z)	0.849225976627546
Correlation r(xz)	0.555913831457656
Partial Correlation r(xz.y)	0.0854695892393486
Correlation r(yz)	0.585230289899258
Partial Correlation r(yz.x)	0.235305142344493

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')

Free Statistics

Description of Statistical Computation

Tree of Dependent Computations

Dataset

Tables (Output of Computation)

Figures (Output of Computation)

Input Parameters & R Code