Tengo $P$ matrices de correlación $(n \times n)$ calculado con $P$ conjuntos de $(m \times n)$ datos (observados) utilizando la función de MATLAB corrcoef .
Una prueba clásica para comparar matrices de covarianza o correlación es M de la caja prueba. En sentido geométrico, compara el volumen medio de los racimos de vectores P con el volumen de su racimo de vectores híbridos. (La matriz de covarianza o correlación puede entenderse como una matriz de productos escalares que, por tanto, constituye un manojo de vectores). Tenga en cuenta que el nivel de significación de la prueba es muy sensible a las desviaciones de la normalidad distributiva de los datos iniciales. No sé si Matlab lo tiene. Normalmente la prueba se calcula como parte de los procedimientos de MANOVA o de análisis discriminante.
Adenda. La desviación de la normalidad disminuye el valor del nivel de significación, por lo que si los datos no son normales se corre el riesgo de concluir falsamente que las matrices de la población son diferentes. Si quiere confiar en la prueba de significación, los datos deben ser razonablemente normales. Pero puede interesarse por el valor del estadístico en sí, que indica el grado de diferencia, o de no homogeneidad, entre las matrices. Algunos programas que realizan la prueba imprimen los determinantes logarítmicos de cada una de las matrices, para que usted pueda ver cuáles de las matrices P son similares y cuáles destacan.
[Tenga en cuenta que el nivel de significación de la prueba es muy sensible a las desviaciones de la normalidad de la distribución de los datos iniciales.] Entonces, ¿los datos a partir de los cuales estoy calculando las matrices de correlación (es decir, mis observaciones) deberían estar distribuidos normalmente?
Puede realizar un modelo de ecuaciones estructurales de grupos múltiples en el que cada conjunto de datos representa un grupo. Esto le permitiría explorar de forma flexible varias restricciones (por ejemplo, restringir varias correlaciones entre los grupos). También podría desarrollar un modelo de las correlaciones y luego restringir aspectos de ese modelo.
También puede consultar el metaSEM en R que está diseñado para ajustar modelos de ecuaciones estructurales en matrices de correlación múltiples. El autor del paquete también tiene varios artículos (por ejemplo, Cheung, 2008, Cheung y Chan, 2005), en los que analiza los modelos y su implementación.
I-Ciencias es una comunidad de estudiantes y amantes de la ciencia en la que puedes resolver tus problemas y dudas.
Puedes consultar las preguntas de otros usuarios, hacer tus propias preguntas o resolver las de los demás.
