Это не должно быть расширено. Оригинальный тест Мантеля, представленный в статье Мантеля 1967 года , допускает асимметричные матрицы. Напомним , что этот тест сравнивает два n × n расстояния матриц и .YИксY
На этом этапе мы можем ожидать изменения нашей статистики, которые упростят статистические процедуры, которые будут разработаны ниже. Модификация состоит в том, чтобы удалить ограничение и заменить его только ограничением . Где и , эффект модификации состоит в том, чтобы просто удвоить значение суммирования. Однако разработанные затем процедуры являются подходящими, даже если отношения расстояний не являются симметричными, то есть когда возможно, что X_ {ij} \ ne X_ {ji} и Y_ {ij} \ ne Y_ {ji} ; в данном случае рассматривается конкретный случай, где X_ {ij} = -X_ {ji}, Y_ {ij} = -Y_ {ji} ...i ≠ j X i j = X j i Y i j = Y j iя < jя ≠ jИкся ж= XJ яYя ж= YJ я Y i j ≠ Y j i X i j = - X j i , Y i j = - Y j iИкся ж≠ XJ яYя ж≠ YJ яИкся ж= - XJ я, Yя ж= - YJ я
(в разделе 4; акцент добавлен).
Симметрия представляется искусственным условием во многих программах, таких как ade4
пакет R
, в котором используются объекты класса dist для хранения и манипулирования матрицами расстояний. Функции манипуляции предполагают, что расстояния симметричны. По этой причине вы не можете применить эту mantel.rtest
процедуру к асимметричным матрицам, но это чисто программное ограничение, а не свойство самого теста.
Сам тест, по-видимому, не требует каких-либо свойств матриц. Очевидно (в силу явной ссылки на антисимметричные ссылки в конце предыдущего отрывка) даже не требуется, чтобы записи в или были положительными. Это просто тест перестановки, который использует некоторую меру корреляции двух матриц (рассматриваемых как векторы с элементами) в качестве статистики теста.Y n 2ИксYN2
В принципе мы можем перечислитьвозможные перестановки наших данных, вычислите [тестовую статистику] для каждой перестановки и получите нулевое распределение по которому можно судить по наблюдаемому значениюZ Z Zн !ZZZ
[ Там же. ]
Фактически, Мантель явно указал, что матрицы не должны быть матрицами расстояний, и он подчеркнул важность этой возможности :
Формулы общего случая подойдут также для случаев, когда и не следуют арифметическим и геометрическим закономерностям, наложенным в задаче кластеризации; например , . Это применимость общей процедуры к произвольным и , которая лежит в основе ее распространения на более широкий круг задач ...Икся жYя жИкся к≤ Xя ж+ XJ KИкся жYя ж
(Пример утверждает неравенство треугольника.)
В качестве примера он предложил «исследование межличностных отношений», в котором «у нас есть индивидов и 2 разных меры, симметричных или асимметричных , относящих каждого индивида к оставшимся » (выделение добавлено).Nn - 1
В приложении Мантель вывел «перестановочную дисперсию , не делая более сильного предположения, чем то, что диагональные элементы матриц являются константами, потенциально ненулевыми.Z= ∑ ∑ Xя жYя ж
В заключение, с самого начала каждая из метрических аксиом была явно рассмотрена и отклонена как несущественная для теста:
«Расстояния» могут быть отрицательными.
«Расстояния» между объектом и самим собой могут быть ненулевыми.
Треугольное неравенство не обязательно должно соблюдаться.
«Расстояния» не обязательно должны быть симметричными.
В заключение я отмечу, что предлагаемая статистика Мантеля, , может плохо работать для несимметричных расстояний. Задача состоит в том, чтобы найти тестовую статистику , которая эффективно выделяет два таких матриц: использование , что в тесте перестановки вместо суммы произведений.Z= ∑я , джИкся жYя ж
Это пример теста в R
. Учитывая две матрицы расстояний x
и y
, он возвращает выборку распределения перестановок (как вектор значений тестовой статистики). Это не требует x
или не y
имеет каких-либо особых свойств вообще. Они должны быть одинакового размера с квадратной матрицей.
mantel <- function(x, y, n.iter=999, stat=function(a,b) sum(a*b)) {
permute <- function(z) {
i <- sample.int(nrow(z), nrow(z))
return (z[i, i])
}
sapply(1:n.iter, function(i) stat(x, permute(y)))
}