排序数据前 X% 的 Spearman 相关性
Spearman Correlation on top X% of sorted data
我正在尝试评估回归模型，而不是使用整个测试集，而是仅使用 X% 的排名靠前的预测，这就是回归的目标所在。
R 中是否有任何包允许这样做？
所以，例如，如果我有以下内容
x<-c(1,2,3,4,5,8,7,9,12,11,14,15,16,17,20,25,40)
y<-c(0,1,2,4,5,6,8,7,10,12,15,14,13,10,18,22,30)
df<-cbind(x,y)
model<-lm(y~x)
summary(model)
多个 R 平方：0.9432，调整后的 R 平方：0.9395
plot(y~x,df)
abline(model)
我想要一个参数 "X"(30%)，它不是对整个数据集进行计算，而是使用 Spearman 的排序相关指数仅对前 30% 的数据进行计算。
在这种情况下，应该只计算 x=c(15,16,17,20,25,40)。
这个 "partial" 相关指数可以帮助进一步表征模型，这些模型可能具有较差的 R 平方，但在域的精确区域（例如 x 的前 X%）中表现更好。
感谢您的指点。
仅比较数据集相关部分的预测值和实际值，即
y.pred <- predict(model)
y.err <- y-y.pred
idx.part <- x > quantile(0.7)
# R squared
r.squared <- 1- var(y.err)/var(y)
r.squared.part <- 1- var(y.err[idx.part])/var(y[idx.part])
不确定在子集上计算时如何正确调整 R 平方。对于完整数据集，adjusted R squared is computed 通过将分数项乘以 (n-1)/(n-p-1)，其中 n 是样本大小，p 是预测变量的数量（在本例中为 1） .
我正在尝试评估回归模型，而不是使用整个测试集，而是仅使用 X% 的排名靠前的预测，这就是回归的目标所在。 R 中是否有任何包允许这样做？
所以，例如，如果我有以下内容
x<-c(1,2,3,4,5,8,7,9,12,11,14,15,16,17,20,25,40)
y<-c(0,1,2,4,5,6,8,7,10,12,15,14,13,10,18,22,30)
df<-cbind(x,y)
model<-lm(y~x)
summary(model)
多个 R 平方：0.9432，调整后的 R 平方：0.9395
plot(y~x,df)
abline(model)
我想要一个参数 "X"(30%)，它不是对整个数据集进行计算，而是使用 Spearman 的排序相关指数仅对前 30% 的数据进行计算。
在这种情况下，应该只计算 x=c(15,16,17,20,25,40)。
这个 "partial" 相关指数可以帮助进一步表征模型，这些模型可能具有较差的 R 平方，但在域的精确区域（例如 x 的前 X%）中表现更好。
感谢您的指点。
仅比较数据集相关部分的预测值和实际值，即
y.pred <- predict(model)
y.err <- y-y.pred
idx.part <- x > quantile(0.7)
# R squared
r.squared <- 1- var(y.err)/var(y)
r.squared.part <- 1- var(y.err[idx.part])/var(y[idx.part])
不确定在子集上计算时如何正确调整 R 平方。对于完整数据集，adjusted R squared is computed 通过将分数项乘以 (n-1)/(n-p-1)，其中 n 是样本大小，p 是预测变量的数量（在本例中为 1） .