基于显著边加权的皮尔逊相关矩阵构建技术咨询

看起来你需要基于观测权重计算变量间的加权皮尔逊相关矩阵，或者给已有的相关系数赋予对应权重。我帮你梳理两种常见场景的解决方案，结合你提供的R代码来调整：

先修正你现有代码的小问题 #

你的代码里生成y向量时没有初始化，会报错，先调整一下：

m <- matrix(data = rnorm(36), nrow = 6, ncol = 6)
x <- LETTERS[1:6]
y <- c()  # 先初始化空向量
for (a in 1:length(x)) y <- c(y, paste("c", a, sep = ""))
mCor <- cor(t(m))

场景1：基于观测权重计算加权皮尔逊相关矩阵 #

如果你的w是每个观测的权重（每个列对应一个观测，所以权重向量长度应该是6，而不是36），我们可以用自定义函数或者wCorr包来实现：

方法1：自定义加权皮尔逊相关函数 #

先写一个计算两个向量加权相关的函数，再遍历所有变量对生成矩阵：

# 自定义加权皮尔逊相关函数
weighted_pearson <- function(x_vec, y_vec, weights) {
  # 计算加权均值
  w_sum <- sum(weights)
  mu_x <- sum(weights * x_vec) / w_sum
  mu_y <- sum(weights * y_vec) / w_sum
  
  # 计算加权协方差和标准差
  cov_weighted <- sum(weights * (x_vec - mu_x) * (y_vec - mu_y)) / w_sum
  sd_x_weighted <- sqrt(sum(weights * (x_vec - mu_x)^2) / w_sum)
  sd_y_weighted <- sqrt(sum(weights * (y_vec - mu_y)^2) / w_sum)
  
  # 返回加权相关系数，避免除以0的情况
  if (sd_x_weighted == 0 || sd_y_weighted == 0) {
    return(NA)
  } else {
    return(cov_weighted / (sd_x_weighted * sd_y_weighted))
  }
}

# 生成观测权重（长度6，对应6个观测）
w <- sample(x = seq(0.5, 0.8, by = 0.01), size = 6)

# 生成加权相关矩阵
weighted_cor_matrix <- outer(1:nrow(m), 1:nrow(m), 
                             function(i, j) weighted_pearson(m[i, ], m[j, ], w))

# 给矩阵添加变量名
rownames(weighted_cor_matrix) <- x
colnames(weighted_cor_matrix) <- x

# 查看结果
print(weighted_cor_matrix)

方法2：用wCorr包简化计算 #

如果你不想自己写函数，可以用wCorr包的weightedCorr函数，它支持输入等长的x、y、权重向量：

# 安装并加载包（如果没安装过）
# install.packages("wCorr")
library(wCorr)

# 初始化空矩阵
weighted_cor_matrix <- matrix(NA, nrow = nrow(m), ncol = nrow(m))
rownames(weighted_cor_matrix) <- x
colnames(weighted_cor_matrix) <- x

# 循环计算每一对变量的加权相关
for (i in 1:nrow(m)) {
  for (j in 1:nrow(m)) {
    weighted_cor_matrix[i, j] <- weightedCorr(
      x = m[i, ], 
      y = m[j, ], 
      weights = w, 
      method = "pearson"
    )
  }
}

# 查看结果
print(weighted_cor_matrix)

场景2：给已有相关矩阵的每个系数赋予对应权重 #

如果你的w是每个变量对的权重（也就是36个元素对应6x6相关矩阵的每个位置），直接把w转成矩阵后和原相关矩阵相乘即可：

# 生成变量对权重（36个元素）
w <- sample(x = seq(0.5, 0.8, by = 0.01), size = 36)

# 转成6x6权重矩阵
w_matrix <- matrix(w, nrow = 6, ncol = 6)

# 计算加权后的相关矩阵
weighted_mCor <- mCor * w_matrix

# 添加变量名
rownames(weighted_mCor) <- x
colnames(weighted_mCor) <- x

# 查看结果
print(weighted_mCor)

需要注意的是：

• 如果是计算观测加权的相关系数，权重向量长度必须和每个变量的观测数一致（这里是6）；
• 如果是给已有相关系数加权，权重向量长度要和相关矩阵的元素总数一致（这里是36）。

内容的提问来源于stack exchange，提问作者abbas786