Repository of Reproducible Computations

Free Statistics

of Irreproducible Research!

Author's title

Author

*The author of this computation has been verified*

R Software Module

rwasp_partialcorrelation.wasp

Title produced by software

Partial Correlation

Date of computation

Sat, 08 Nov 2008 09:05:57 -0700

Cite this page as follows

Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?v=date/2008/Nov/08/t1226160456ukm2set244smotv.htm/, Retrieved Mon, 20 May 2024 11:07:33 +0000

Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=22616, Retrieved Mon, 20 May 2024 11:07:33 +0000

QR Codes:

Paste this QR Code to cite your computation.

Original text written by user:

IsPrivate?

No (this computation is public)

User-defined keywords

Estimated Impact

177

Family? (F = Feedback message, R = changed R code, M = changed R Module, P = changed Parameters, D = changed Data)

F       [Partial Correlation] [EDA Hyp. Testing Q1] [2008-11-08 16:05:57] [0da3c04827d8ef68db874351a2e09488] [Current]
F RMPD    [Trivariate Scatterplots] [Various EDA topic...] [2008-11-21 14:45:15] [b82ef11dce0545f3fd4676ec3ebed828] 

Feedback Forum

2008-11-21 14:43:12 [Nick Wuyts] [reply] 
De partial correlation techniek laat ons toe te kijken in hoeverre de correlatie tussen 2 reeksen wordt beinvloedt door een 3e reeks.  
Als we de tabel hieronder nemen, zien we dat x & y een negatieve correlatie hebben tov elkaar die naar -1 gaat (correlation r(xy) = 0.558544206817493). De lijn eronder berekent de partial correlation r(xy.z) en geeft ons een waarde van 0.182375985849294. We trekken de conclusie dat z een grote invloed heeft op x & y.  
Hetzelfde kan gedaan worden voor de andere mogelijkheden, beiden geven aan dat de 3e reeks die vergeleken wordt met de andere 2 een kleine invloed hebben. 
 
Het voordeel van deze techniek is dat je 3 reeksen kunt vergelijken met elkaar, een nadeel kan zijn dat er geen grafische interpretaties mogelijk zijn.
2008-11-24 19:08:12 [Bart Haemels] [reply] 
Er is hier gebruik gemaakt van de methode van Partial Correlation. Deze methode redeneert als volgt. Een tijdreeks z kan een positief verband hebben met tijdreeks x en een negatief verband vertonen met tijdreeks y. Als z zou stijgen, houdt dit in dat x mee zou stijgen (positieve correlatie) en y zou dalen (negatieve correlatie). Hieruit zou dan besloten kunnen worden dat tijdreeksen x en y onderling een negatief verband zouden hebben. Dit is niet volledig correct aangezien dit 'verband' beinvloedt wordt door tijdreeks z. Door deze methode te gebruiken, wordt dit vermeden. Zo wordt in deze tabel de eerste partial correlation berekend tussen x en y waarbij de invloed van z wordt weggefilterd (want het beeld zou door z vertekend kunnen worden).  
 
In deze tabel kunnen we zien dat de 'gewone' correlatie tussen Y en Z 0,80 bedraagt maar als de partiele correlatie berekend wordt tussen Y en Z waarbij de invloed van x weggefilterd wordt, bekomen we een correlatiewaarde van 0,71. Dit is dus niet echt een groot verschil.  
Als we echter kijken naar de correlatie tussen x en Y, zien we dat deze -0,55 bedraagt, terwijl de partiele correlatie tussen x en Y waarbij de invloed van Z weggefilterd wordt, 0.18 is. Dit houdt in dat de invloed van Z toch vrij groot is op x en Y. 

Post a new message

Dataseries X:

Download CSV

Histogram

Boxplots

8,4
8,4
8,4
8,6
8,9
8,8
8,3
7,5
7,2
7,5
8,8
9,3
9,3
8,7
8,2
8,3
8,5
8,6
8,6
8,2
8,1
8
8,6
8,7
8,8
8,5
8,4
8,5
8,7
8,7
8,6
8,5
8,3
8,1
8,2
8,1
8,1
7,9
7,9
7,9
8
8
7,9
8
7,7
7,2
7,5
7,3
7
7
7
7,2
7,3
7,1
6,8
6,6
6,2
6,2
6,8
6,9
6,8

Dataseries Y:

Download CSV

Histogram

1,7
1,4
1,8
1,7
1,4
1,2
1
1,7
2,4
2
2,1
2
1,8
2,7
2,3
1,9
2
2,3
2,8
2,4
2,3
2,7
2,7
2,9
3
2,2
2,3
2,8
2,8
2,8
2,2
2,6
2,8
2,5
2,4
2,3
1,9
1,7
2
2,1
1,7
1,8
1,8
1,8
1,3
1,3
1,3
1,2
1,4
2,2
2,9
3,1
3,5
3,6
4,4
4,1
5,1
5,8
5,9
5,4
5,5

Dataseries Z:

Download CSV

Histogram

Summary of computational transaction
Raw Input	view raw input (R code)
Raw Output	view raw output of R engine
Computing time	1 seconds
R Server	'Gwilym Jenkins' @ 72.249.127.135

\begin{tabular}{lllllllll}
\hline
Summary of computational transaction \tabularnewline
Raw Input & view raw input (R code)  \tabularnewline
Raw Output & view raw output of R engine  \tabularnewline
Computing time & 1 seconds \tabularnewline
R Server & 'Gwilym Jenkins' @ 72.249.127.135 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=22616&T=0

[TABLE]
[ROW][C]Summary of computational transaction[/C][/ROW]
[ROW][C]Raw Input[/C][C]view raw input (R code) [/C][/ROW]
[ROW][C]Raw Output[/C][C]view raw output of R engine [/C][/ROW]
[ROW][C]Computing time[/C][C]1 seconds[/C][/ROW]
[ROW][C]R Server[/C][C]'Gwilym Jenkins' @ 72.249.127.135[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=22616&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=22616&T=0

As an alternative you can also use a QR Code:

The GUIDs for individual cells are displayed in the table below:

Summary of computational transaction
Raw Input	view raw input (R code)
Raw Output	view raw output of R engine
Computing time	1 seconds
R Server	'Gwilym Jenkins' @ 72.249.127.135

Pearson Product Moment Partial Correlation - Ungrouped Data
Statistic	Value
Correlation r(xy)	-0.558544206817493
Partial Correlation r(xy.z)	0.182375985849294
Correlation r(xz)	-0.774110814393351
Partial Correlation r(xz.y)	-0.660990441817229
Correlation r(yz)	0.809163881661423
Partial Correlation r(yz.x)	0.717557465344908

\begin{tabular}{lllllllll}
\hline
Pearson Product Moment Partial Correlation - Ungrouped Data \tabularnewline
Statistic & Value \tabularnewline
Correlation r(xy) & -0.558544206817493 \tabularnewline
Partial Correlation r(xy.z) & 0.182375985849294 \tabularnewline
Correlation r(xz) & -0.774110814393351 \tabularnewline
Partial Correlation r(xz.y) & -0.660990441817229 \tabularnewline
Correlation r(yz) & 0.809163881661423 \tabularnewline
Partial Correlation r(yz.x) & 0.717557465344908 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=22616&T=1

[TABLE]
[ROW][C]Pearson Product Moment Partial Correlation - Ungrouped Data[/C][/ROW]
[ROW][C]Statistic[/C][C]Value[/C][/ROW]
[ROW][C]Correlation r(xy)[/C][C]-0.558544206817493[/C][/ROW]
[ROW][C]Partial Correlation r(xy.z)[/C][C]0.182375985849294[/C][/ROW]
[ROW][C]Correlation r(xz)[/C][C]-0.774110814393351[/C][/ROW]
[ROW][C]Partial Correlation r(xz.y)[/C][C]-0.660990441817229[/C][/ROW]
[ROW][C]Correlation r(yz)[/C][C]0.809163881661423[/C][/ROW]
[ROW][C]Partial Correlation r(yz.x)[/C][C]0.717557465344908[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=22616&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=22616&T=1

As an alternative you can also use a QR Code:

The GUIDs for individual cells are displayed in the table below:

Pearson Product Moment Partial Correlation - Ungrouped Data
Statistic	Value
Correlation r(xy)	-0.558544206817493
Partial Correlation r(xy.z)	0.182375985849294
Correlation r(xz)	-0.774110814393351
Partial Correlation r(xz.y)	-0.660990441817229
Correlation r(yz)	0.809163881661423
Partial Correlation r(yz.x)	0.717557465344908

Parameters (Session):

Parameters (R input):

R code (references can be found in the software module):

(rho12 <- cor(x, y))
(rho23 <- cor(y, z))
(rho13 <- cor(x, z))
(rhoxy_z <- (rho12-(rho13*rho23))/(sqrt(1-(rho13*rho13)) * sqrt(1-(rho23*rho23))))
(rhoxz_y <- (rho13-(rho12*rho23))/(sqrt(1-(rho12*rho12)) * sqrt(1-(rho23*rho23))))
(rhoyz_x <- (rho23-(rho12*rho13))/(sqrt(1-(rho12*rho12)) * sqrt(1-(rho13*rho13))))
load(file='createtable')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,'Pearson Product Moment Partial Correlation - Ungrouped Data',2,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Statistic',1,TRUE)
a<-table.element(a,'Value',1,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Correlation r(xy)',header=TRUE)
a<-table.element(a,rho12)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,hyperlink('partial_correlation1.htm','Partial Correlation r(xy.z)',''),header=TRUE)
a<-table.element(a,rhoxy_z)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Correlation r(xz)',header=TRUE)
a<-table.element(a,rho13)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,hyperlink('partial_correlation1.htm','Partial Correlation r(xz.y)',''),header=TRUE)
a<-table.element(a,rhoxz_y)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Correlation r(yz)',header=TRUE)
a<-table.element(a,rho23)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,hyperlink('partial_correlation1.htm','Partial Correlation r(yz.x)',''),header=TRUE)
a<-table.element(a,rhoyz_x)
a<-table.row.end(a)
a<-table.end(a)
table.save(a,file='mytable.tab')

Free Statistics

Description of Statistical Computation

Tree of Dependent Computations

Dataset

Tables (Output of Computation)

Figures (Output of Computation)

Input Parameters & R Code