Disons que je teste la façon dont une variable Y
dépend d'une variable X
dans différentes conditions expérimentales et j'obtiens le graphique suivant:
Les lignes en pointillés dans le graphique ci-dessus représentent une régression linéaire pour chaque série de données (configuration expérimentale) et les nombres dans la légende indiquent la corrélation de Pearson de chaque série de données.
Je voudrais calculer la "corrélation moyenne" (ou "corrélation moyenne") entre X
et Y
. Puis-je simplement faire la moyenne des r
valeurs? Qu'en est-il du "critère de détermination moyen", ? Dois-je calculer la moyenne et ensuite prendre le carré de cette valeur ou dois-je calculer la moyenne des individuels ?r
la source
Pour les coefficients de corrélation de Pearson, il est généralement approprié de transformer les valeurs r à l' aide d'une transformation de Fisher z . Ensuite, faites la moyenne des valeurs z et reconvertissez la moyenne en une valeur r .
J'imagine que ce serait bien pour un coefficient de Spearman également.
Voici un article et l' entrée wikipedia .
la source
La corrélation moyenne peut être significative. Tenez également compte de la distribution des corrélations (par exemple, tracez un histogramme).
la source
Qu'en est-il de l'utilisation de l'eror prévu moyen au carré (MSPE) pour les performances de l'algorithme? Il s'agit d'une approche standard de ce que vous essayez de faire, si vous essayez de comparer les performances prédictives d'un ensemble d'algorithmes.
la source