有向相関偏相関分析 は、３変数以上の組合せで、矢印の向きを調べられる方法です。 ２変数しかない時は、使えません。 また、３変数あっても、向きが決められないパターンがあります。
有向相関偏相関分析
は、３変数以上の組合せで、矢印の向きを調べられる方法です。
２変数しかない時は、使えません。
また、３変数あっても、向きが決められないパターンがあります。
正規化による有向相関分析 は、２変数間だけで関係がある場合でも、矢印の向きを調べられる方法です。 しかし、扱える分布に条件があり、例えば、正規分布だと使えません。
そこで、両方を使うことで、両方の弱点をカバーするのが、ハイブリッド有向相関分析のアイディアです。
上のグラフから、左から順に、元データの構造、相関偏相関分析、有向相関偏相関分析、ハイブリッド有向相関分析です。
元データの構造を導き出せているので、なかなか良い方法のようです。
ハイブリッド有向相関分析と似た方法には、
LiNGAM
や
ベイジアンネットワーク
があります。
上のグラフから、左から順に、元データの散布図、元データの構造、ハイブリッド有向相関分析、LiNGAM、ベイジアンネットワークです。
ハイブリッド有向相関分析は、元のデータの構造を正確に見つけられています。 向きの間違いはなく、過不足もないです。
LiNGAMとベイジアンネットワークは、不正確な結果になりました。
LiNGAMは、Rのpcalgライブラリを使っています。 ベイジアンネットワークは、Rのbnlearnライブラリのpc.stableを使っています。
他の手法との詳しい比較は、 ハイブリッド有向相関分析との比較 にあります。
Rによる有向相関偏相関分析 に、上記の実施例のコードがあります。
R-EDA1
でも、できます。
順路
次は
ハイブリッド有向相関分析との比較
