机器算法验证 - 为什么我复制的 Silver & Dunlap 1987 没有成功？ - 吾爱随笔录

我正在尝试复制Silver & Dunlap (1987)。我只是在比较平均相关性或平均 z 变换相关性和反向变换。我似乎没有复制他们发现的偏差中的不对称性（对我来说，反向变换的 zs 并不比 rs 更接近总体值）。有什么想法吗？有没有可能是 1987 年的计算能力对太空的探索还不够？

# Fisher's r2z
fr2z <- atanh
# and back
fz2r <- tanh

# a function that generates a matrix of two correlated variables
rcor <- function(n, m1, m2, var1, var2, corr12){
    require(MASS)
    Sigma <- c(var1, sqrt(var1*var2)*corr12, sqrt(var1*var2)*corr12, var2)
    Sigma <- matrix(Sigma, 2, 2)
    return( mvrnorm(n, c(m1,m2), Sigma, empirical=FALSE) )
    }

使用这些函数，很容易查看一堆相关性（基本上复制 silver 和 dunlap 1987），并查看平均相关性与平均 z 分数和反向变换之间的差异。这里只有一个。

r <- 0.9
Y <- replicate(20000, rcor(10, 0, 0, 1, 1, r))
rs <- apply(Y, 3, function(x) cor(x[,1], x[,2]))
mean(rs) - r
zs <- fr2z(rs)
fz2r( mean(zs) ) - r

只需查看 10 的样本量和 0.1、0.5 和 0.9 的相关性，这些就是结果。

     rho  r bias   z bias
     0.1  -0.006   0.006
     0.5  -0.024   0.021
     0.9  -0.011   0.011

这些来自 Silver & Dunlap 的表 1。

     rho  r bias   z bias
     0.1  -0.007   0.003
     0.5  -0.025   0.001
     0.9  -0.011  -0.007

这些是完全不同的结果。从我的测试中，我看到这只是偏差方向的问题，而不是幅度问题。但是，在已发表的论文中，他们发现 z 的幅度要小得多。我找不到已发布的非复制品。