根据各种分布创建相关变量

Question

问题

在 R 中，我想创建长度为 L 的 n 变量，其关系由称为 cor_matrix 的 correlation matrix 给出。重要的一点是n 变量可能遵循不同的分布（包括连续分布和离散分布）。

相关帖子

1. how-to-generate-sample-data-with-exact-moments

2. generate-a-random-variable-with-a-defined-correlation-to-an-existing-variable

3. r-constructing-correlated-variables

从上面列出的third post 修改而来，以下是当所有n 变量都是连续的并且来自同一分布时的解决方案。

library(psych) 

set.seed(199)

fun = function(cor_matrix, list_distributions, L)
{
    n = length(list_distributions)
    if (ncol(cor_matrix) != nrow(cor_matrix)) stop("cor_matrix is not square")
    if (nrow(cor_matrix) != n) stop("the length of list_distributions should match the number of columns and rows of cor_matrix")
    if (L<=1) stop("L should be > 1")

    fit = principal(cor_matrix, nfactors=n, rotate="none")
    loadings = matrix(fit$loadings[1:n, 1:n], nrow=n,ncol=n,byrow=F)
    cases = t(sapply(1:n, FUN=function(i, L) list_distributions[[i]](L), L=L))
    multivar = loadings %*% cases
    T_multivar = t(multivar)
    vars=as.data.frame(T_multivar)
    return(vars)
}

L = 1000
cor_matrix =  matrix(c (1.00, 0.90, 0.20 ,
                     0.90, 1.00, 0.40 ,
                     0.20, 0.40, 1.00), 
                  nrow=3,ncol=3,byrow=TRUE)

list_distributions = list(function(L)rnorm(L,0,2), function(L)rnorm(L,10,10), function(L) rnorm(L,0,1))
vars = fun(cor_matrix, list_distributions, L)
cor(vars)
plot(vars)

但是，不能创建具有以下分布的相关变量

list_distributions = list(function(L)rnorm(L,0,2), function(L)round(rnorm(L,10,10)), function(L) runif(L,0,1))
vars = fun(cor_matrix, list_distributions, L)
cor(vars)
plot(vars)

Answer 1

按照@NatePope 和@JoshO'Brien 的建议使用联结

library(mvtnorm)

set.seed(199)

fun = function(cor_matrix, list_distributions, L)
{
    n = length(list_distributions)
    # Correlated Gaussian variables
    Gauss = rmvnorm(n=L, mean = rep(0,n), sig=cor_matrix)
    # convert them to uniform distribution.
    Unif = pnorm(Gauss) 
    # Convert them to whatever I want
    vars = sapply(1:n, FUN = function(i) list_distributions[[i]](Unif[,i]))
    return(vars)
}

L = 2000
cor_matrix =  matrix(c (1.00, 0.90, 0.80 ,
                     0.90, 1.00, 0.6,
                     0.80, 0.6, 1.00), 
                  nrow=3,ncol=3,byrow=TRUE)

list_distributions = list(function(L) qpois(L,7), function(L) round(qnorm(L,100,10)), function(L) qnorm(L,-100,1))

vars = fun(cor_matrix, list_distributions, L)
cor(vars)
plot(as.data.frame(vars))

此解决方案默认创建相关的正态分布变量，然后将它们转换为均匀分布的变量。可能有一种更高效的解决方案可以直接创建均匀分布的相关变量。