Допустим, я проверяю, как переменная Y
зависит от переменной X
в различных экспериментальных условиях, и получаю следующий график:
Штриховые линии на графике выше представляют линейную регрессию для каждого ряда данных (экспериментальная установка), а цифры в легенде обозначают корреляцию Пирсона для каждого ряда данных.
Я хотел бы рассчитать «среднюю корреляцию» (или «среднюю корреляцию») между X
и Y
. Могу ли я просто усреднить r
значения? А как насчет «среднего критерия определения», ? Должен ли я рассчитать среднее значение, а затем взять квадрат этого значения или рассчитать среднее значение отдельных R 2 ?r
источник
Для коэффициентов корреляции Пирсона обычно целесообразно преобразовать значения r, используя преобразование Фишера z . Затем усредните z-значения и преобразуйте среднее обратно в значение r .
Я думаю, что это было бы хорошо и для коэффициента Спирмена.
Вот документ и википедии запись .
источник
Средняя корреляция может быть значимой. Также рассмотрим распределение корреляций (например, построим гистограмму).
источник
Как насчет использования среднеквадратичного прогнозируемого eror (MSPE) для производительности алгоритма? Это стандартный подход к тому, что вы пытаетесь сделать, если вы пытаетесь сравнить прогнозирующую производительность среди набора алгоритмов.
источник