《非参数统计》第6章 秩相关分析和秩回归.pptxVIP

第6章秩相关分析和秩回归;学习内容;yy;Spearman秩相关检验;检验;Pearsonsproduct-momentcorrelation;解答;R解答;Kendallt相关检;（n\

这样样本共有［2J=n（n-1）/2个数对，用Nc表示协同的数对的数目,Nd表示不协同的数对数目。则Kendallx统计;例7.2;解：假设检验问题：

hq:体重和肺活量没有相关关系;找到与每一对协同的样本数Nc;IQ与EQ数据;以上两种非参数相关度量;恰当地分析评分数据;多变量Kendall协同（和）系数检验;(续);例6.3;:翼长，体长及嘴长相关。;配对样本的Kappa一致性检验;Pq=㈣，?为类别项数.Pe=

F

当Po=1时，K=1,这表示rx7-列列联表中非对角线上的数据都为0,一致性非常好。若Fo=Fe，即K=(),则认为一致性较差，其判断结果完全是由随机产生的独立事件。另外，K越接近于1,表示有高的一致性，若K接近于0,则表示一致性较低。有时K也会有负值，但很少发生。

K的取值与一致性有下表的关系：;K在大样本下有正态近似;例题：品酒大师的评分一致性检验;关于Kappa一致性的问题;两种秩回归;BM均衡稳定性检验;两个秩回归的均衡检验;基于秩次的稳健回归

KW书P178;秩次稳健回归;稳健回归

Setupthefollowinglinearmodel(forz=1,...,n)

匸=矿日+弓

where/3\salXpvectorofunkownparameters

。aretheparameterofinterst

Center(usuallyusingthemedianT(e*)=a)theerrors=e*—ce

Yi=a+iC/W+%

Let/(t)bethepdfoftheerros%

Assumption:/(t)canbeeitherasymmetricorsymmetricdependingonwhethersignsorranksareused

Theinterceptaisindependentoftheslope;稳健回归

LetY=(Yi,...,Yn^denotethenx1vectorofobservations

LetXdenotethenxpmatrixwithrowsxf

IThenwecanwritethelinearmodelinmatrixform:

Y=la+XB+e

Xiscentered(thatsfinesincewehaveainthemodel),andassumeXisfullcolumnrank

LetbethecolumnspacespannedbycolunsofX

Sowecanrewritethelinearmodelas(coordinate-freebecausenotrestricitedtoanyspecificbasisvectors)

Y=+77+e

withtjfip‘;稳健回归

Y=l/3+r/+ewith77=Qp

TaskistominimizesomedistancebetweenYandsubspaceQp

IThinkof77asahyperplaneandthetaskasprojectingYontoit

Fortheprojectionweneedtodefineadistance

InsteadofusingtheusualEuclideandistance,weuseadistancebasedonsignsandranks

n

\vi\\p=(叫))叫

withscoresa(l)a(2)??-a(n)andscorefunction=90/(n+1))

甲isnondecreasing,centered,standardizedanddefinedontheinterval(0日》2;稳健