在R中生成相关Beta分布变量时相关性不符的问题求助

你编写R代码尝试生成服从Beta分布的相关随机变量，预设变量间的皮尔逊相关系数为0.2，但运行后实际得到的相关性约为0.15，与预期不符。

你的代码如下：

#objective is to generated correlated 
#beta distributed data 

library(MASS)
library(faux)

generate.beta.parameters <- function(x, v) {
  alpha = ((1 - x) / v - 1/ x) * x^2
  beta = alpha * (1 / x - 1)
  return (c(alpha, beta))
}

x1 <- 0.896 
v1 <- 0.001 
x2 <- 0.206 
v2 <- 0.004

b1 <- generate.beta.parameters(x1, v1)
b2 <- generate.beta.parameters(x2, v2)

alpha1 <- b1[1]
beta1 <- b1[2]
alpha2 <- b2[1]
beta2 <- b2[2]


#create mean vector 
mu = c(0, 0)

#create variance covariance matrix 
sigma <- rbind(c(1, 0.2), c(0.2, 1))

#generate 1000 random numbers 
df <- mvrnorm(n = 1000, mu = mu, Sigma = sigma)

df.beta <- matrix(nrow = nrow(df), ncol = ncol(df))
#normal to uniform 
df.beta[,1] = norm2beta(df[,1], alpha1, beta1)
df.beta[,2] = norm2beta(df[,2], alpha2, beta2)

df.beta <- as.data.frame(df.beta)
cor(df.beta)

运行后输出的相关性结果：

V1        V2
V1 1.0000000 0.1549214
V2 0.1549214 1.0000000

问题原因 #

核心原因是单调非线性变换会改变变量间的皮尔逊相关系数：

• 你先生成了皮尔逊相关为0.2的正态分布变量，再通过norm2beta函数将其转换为Beta分布变量。这个转换过程是严格单调递增的（先通过正态CDF得到均匀分布，再通过Beta分位数函数得到Beta分布，两步都是单调变换）。
• 皮尔逊相关系数衡量的是变量间的线性关联程度，而单调非线性变换会扭曲这种线性关系——变换的非线性程度越高，相关性的偏移幅度越大。斯皮尔曼等级相关系数不受单调变换影响，但你使用的是皮尔逊相关，因此会出现偏差。

解决方法 #

如果需要让最终Beta变量的皮尔逊相关系数达到预设值，不能直接使用正态变量的相关系数，需要对其进行调整，常用的方法有两种：

1. 使用专门的多变量Beta生成函数：faux包中的rbeta_multi函数已经内置了相关性调整逻辑，会根据Beta分布的参数计算出对应的正态变量相关系数，抵消变换带来的相关性衰减。示例代码：

library(faux)

# 定义每个Beta变量的alpha和beta参数
beta_params <- list(
  V1 = list(alpha = alpha1, beta = beta1),
  V2 = list(alpha = alpha2, beta = beta2)
)

# 生成目标相关系数为0.2的1000个样本
df_beta <- rbeta_multi(n = 1000, params = beta_params, cor = sigma)
# 查看实际相关性
cor(df_beta)

2. 手动调整正态变量的相关系数：通过公式计算出需要的正态相关系数，使得转换后Beta变量的皮尔逊相关接近目标值。这个过程可以利用Copula理论，或者通过迭代试错的方式找到合适的正态相关系数。

内容的提问来源于stack exchange，提问作者Indian