Dans cette question, ils demandent comment comparer Pearson r pour deux groupes indépendants (tels que les hommes contre les femmes). La réponse et les commentaires suggèrent deux façons:
- Utilisez la formule bien connue de Fisher utilisant la "z-tranformation" de r;
- Utilisez la comparaison des pentes (coefficients de régression).
Ce dernier pourrait être facilement réalisé simplement via un modèle linéaire saturé: , où et sont les variables corrélées et est une variable fictive (0 vs 1) indiquant les deux groupes . La magnitude de (le coefficient du terme d'interaction) est exactement la différence de coefficient après que le modèle mené en deux groupes individuellement, et sa signification ( ) est donc le test de la différence de pente entre les groupes.Y G d b Y = a + b X d
Maintenant, pente ou régression coef. n'est pas encore un coef de corrélation. Mais si nous normalisons et - séparément dans deux groupes - alors sera égal à la différence r dans le groupe 1 moins r dans le groupe 0 et donc sa signification testera la différence entre les deux corrélations: nous testons les pentes mais il apparaît [comme si -?] nous testons des corrélations.Y
Est-ce que j'ai écrit correctement?
Si oui, il reste la question qui est un meilleur test de corrélations - celle-ci décrite ou celle de Fisher? Car ils ne donneront pas des résultats identiques. Qu'est-ce que tu penses?
Édition ultérieure: Remerciant @ Wolfgang pour sa réponse, je sens néanmoins que je ne comprends pas pourquoi le test de Fisher est un test pour r plus correct que l'approche de comparaison de pente sous normalisation décrite ci-dessus. Donc, plus de réponses sont les bienvenues. Je vous remercie.