解释psych::cor.smoother函数

Question

我试过联系威廉·雷维尔，但他没有回应。

在心理包中有一个叫做cor.smoother的函数，它决定相关矩阵是否是正定的。它的解释如下：

"cor.smoother通过一次系统地删除一个变量并找到特征值分解来检查所有等级为nvar-1的nvar副级。报告这些变量，在删除这些变量时生成一个正定矩阵。它还报告每个变量被删除时负特征值的数目。最后，它将原始相关矩阵与平滑的相关矩阵进行比较，并报告绝对偏差大于削减的项目。这些都是相关矩阵可能出错的提示。“

我希望有人能以一种更容易理解的方式对我进行解释，这才是真正的黑体字？

Answer 1

对你的问题的一个迟来的答复。

当矩阵的特征值至少有一个小于0时，相关矩阵被认为是不适当的(或者更准确地说，不是半正定的)。这可能会发生，如果你有一些缺失的数据，并使用成对完全相关。这是特别有可能发生，如果你做四氯化碳或多脉络膜相关，基于数据集与一些，甚至很多缺失的数据。

(相关矩阵R可分解为一组特征向量(X)和特征值( lambda )，其中R=X‘。这种分解是成分分析和因子分析的基础，但这比你想知道的要多得多。)

cor.smooth函数找到本征值，然后调整负值，使其略为正(并调整其他值以补偿这一变化)。

cor.smoother函数试图标识使矩阵不正确的变量。它是通过一次删除一个变量生成的所有矩阵，看看其中哪些不是半正定的(即特征值<0)来做到这一点的。理想情况下，这将确定一个变量正在混乱的事情。

这方面的一个例子是在burt数据集中，悲伤与压痛之间的关联可能是错误的，.87应该是.81。

cor.smoother(burt) #认为温柔和悲伤可能是罪魁祸首