話題になった日経のトンデモグラフに対する突っ込みで、相関係数には言及してもp値、有意水準についての言及は少なく、勘違いしている人が多いのではないか？と感じたのでブラッシュアップも兼ねてまとめました。
相関係数の大小は相関の有無とは全く関係ない件について。
話題になった日経のトンデモグラフに対する突っ込みで、相関係数には言及してもp値、有意水準についての言及は少なく、勘違いしている人が多いのではないか？と感じたのでブラッシュアップも兼ねてまとめました。
相関係数の有意性を確かめる方法について -相関係数について1歩踏み込む- - Data Science by R and Python
相関係数とは？ 相関係数については、８月のエントリーを参照してもらうと良いかと思います。 「相関係数」ってなんですか？ -意味と利点と欠点をわかりやすく- - Data Science by R and Python 簡単に説明しておくと、相関というのは「2つの変数の間に存在する、直線的関係」を指しています。相関係数というのは、その直線度合いを0~1の数字で表したものと言えます。ただし、値には大小関係しかありません（相関係数0.8は、相関係数0.4のときよりも2倍相関が強いという意味ではないので注意してください）。 さて、データの分析・解析に関わらず、いくつかの変数があるデータでは、相関係数を計算して、変数の間に関係があるかをチェックするのが一般的です。前のエントリーにもあるようにこれは「直線的な関係」しか調べられないですし、色々と制約もあり、いちいち確認するのは面倒ですが、それでも使い勝
偏相関係数
裏 RjpWiki の 2 個の時系列データの相関を考えるときは... と 2 個の時系列データの相関を考えるときは...（その2） がたいへんおもしろかったので試してみた。 まず p 値は本来は帰無仮説のもとに一様分布になるべきである。例： p = replicate(100000, { x = rnorm(100) y = rnorm(100) cor.test(x, y)$p.value }) hist(p, freq=FALSE, breaks=20, col="gray", main="") しかし「時系列」ではそうならないことがある。例として，まったく独立に生成されたはずの二つのランダムウォークする系列の相関係数を求めると，こんな具合になる： p = replicate(100000, { x = cumsum(rnorm(100)) y = cumsum(rnorm(100)
2 個の時系列データの相関を考えるときは...（その2） - 裏 RjpWiki
Julia ときどき R, Python によるコンピュータプログラム，コンピュータ・サイエンス，統計学 元データがない（？）ようなので，グラフから読み取って分析してみる。 > d = read.table("takahashi.dat", header=TRUE) # データは末尾に掲載 > plot(x ~ t, type="o", col="blue", pch=16, ylim=c(-1.5, 2), ylab="x", xlab="t") > points(y ~ t, type="o", col="red", pch=16, yaxt="n", ylab="y") > axis(4, at=seq(-1.5, 2, length=11), labels=seq(90, 140, by=5)) > mtext("y", 4, 1.8) > (r_xy = cor(x, y)) #
2 個の時系列データの相関を考えるときは... - 裏 RjpWiki
Julia ときどき R, Python によるコンピュータプログラム，コンピュータ・サイエンス，統計学 http://abrahamcow.hatenablog.com/entry/2014/09/11/024924 「時系列データの相関係数はあてにならない……のか？ 教えて下さい」なんだけど... 私のコメントが気に触ることが多いようなのですが（特に悪意はないつもりなんですけど，すみませんね） 私は，経済学とか時系列についてはよく知らないのですが，「これは「見せかけの相関（擬似相関；spurious correlation）」の例だ」ということならば，偏相関係数を考えればよいのではないでしょうかね？？社会学などでは当たり前のように使われていると思うのですが。 > set.seed(1) > x = cumsum(rnorm(100)) > set.seed(2) > y = cumsu
時系列データの相関係数はあてにならない……のか？ 教えて下さい - 廿TT
本記事の趣旨 見せ掛けの回帰と見せ掛けの相関（擬似相関）は違います。 時系列（というか、ランダムウォークする系列 ランダムウォーク - Wikipedia ）の場合、相関係数は比較的高い値になりやすく、また有意な相関が出やすいので注意。 あと高橋洋一の議論を擁護する話題が混じっていますが、これについては、金融緩和はブタ積み上等。金融緩和賛成。消費税増税反対。 - 廿TT を参照してください。 「時系列 相関」 「時系列 相関」でググったところ以下のような記事がヒットした. 時系列データの相関係数はあてにならない: ニュースの社会科学的な裏側 現時点では Google 検索で上から 6 番目 R - 時系列データ分析の初心者に必ず知ってもらいたい重要ポイント：回帰分析 ・相関関係分析を行う前に必ずやるべきこと（データの形のチェックと変形） - Qiita 現時点では Google 検索で上か
時系列データの相関係数はあてにならない
元官僚の高橋洋一氏が時系列データの相関係数が高い事を論拠にしているが、この論証方法は全くもって厳密ではない。 計量経済学では時系列データの相関係数はあてにならない事は80年代から良く知られており、これに関連した業績でエングルとグレンジャーは、2003年にノーベル経済学賞を受賞している。 高橋氏のトリックを説明したい。世の中には時間とともに変化していくトレンド*1と言うのが多くある。このトレンドがあるデータを二つ比較すると、どちらも時間に対して相関しているため、相関があるように見えてしまう。 例えば戦後、一人あたりの米の消費量は減少し、コンピューターの普及台数は飛躍的に伸びたが、この二つの現象を結びつけて考える人はいない。しかし、米の消費量とコンピューターの普及台数は、高い相関を持つ事になる。 実データの場合は屁理屈をつける事も可能かも知れないので、シミュレーションして確かめてみよう。
「相関係数」ってなんですか？ -意味と利点と欠点をわかりやすく- - Data Science by R and Python
「相関」って何． 統計学を学んだことがあれば、誰もが一度は聞いたことがある「相関」という言葉。最近では、高校でも扱われる概念になったようですが、「相関」っていったい何でしょうか？教科書（という名のWikipedia）にはこういう風に書かれています。 相関係数（そうかんけいすう、英: correlation coefficient）とは、2 つの確率変数の間の相関（類似性の度合い）を示す統計学的指標である。原則、単位は無く、−1 から 1 の間の実数値をとり、1 に近いときは2 つの確率変数には正の相関があるといい、−1 に近ければ負の相関があるという。0 に近いときはもとの確率変数の相関は弱い。因みに 1 もしくは −1 となる場合は 2 つの確率変数は線形従属の関係にある。 ここでは、相関ではなく、相関係数という言葉を用いていますね。「相関」というのは、2つ以上のもとがあるときに、それら
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
「統計学関連なんでもあり」の過去ログ---004
「統計学関連なんでもあり」の過去ログ--- 041
scratch-R: correlations