实际使用哪些健壮的相关方法？

我计划进行一次仿真研究，在其中比较几种具有不同分布（偏斜，离群值等）的鲁棒相关技术的性能。对于稳健，我的意思是对a）偏斜分布，b）离群值和c）重尾稳健的理想情况。

除了将Pearson相关性作为基准外，我还想包括以下更可靠的措施：

• 斯皮尔曼的$\rho$
• 折弯百分比（Wilcox，1994，[1]）
• 最小体积椭圆形，最小协方差行列式（cov.mve/ cov.mcd与cor=TRUE选项）
• 温莎相关

当然，还有更多选择（特别是如果您还包括强大的回归技术），但是我想将自己局限于使用最多/很有希望的方法。

现在，我有三个问题（可以只回答一个问题）：

1. 我可以/应该包括其他健壮的相关方法吗？
2. 您的领域实际上 使用了 哪些强大的相关技术？_{（谈到心理研究：除了Spearman的，我从未在技术论文之外见过任何健壮的关联技术。自举技术越来越受欢迎，但到目前为止，其他健壮的统计数据或多或少不存在）。$\rho$}
3. 您是否已经知道多种相关技术的系统比较？

也可以随意评论上面给出的方法列表。

[1] Wilcox，RR（1994）。百分比弯曲相关系数。心理疗法，59，601-616。

从心理学的角度来看，皮尔森和斯皮尔曼的关联确实是最常见的。但是，我认为许多心理学研究人员在进行Pearson的相关运算之前会对构成变量进行各种数据处理程序。我想象任何健壮性检查都应考虑以下因素的影响：

• 一个或两个变量的转换，以使变量近似于正态分布
• 根据统计规则或观察到的问题知识调整或删除异常值

我会向您推荐这篇我之前在此处发表的优秀文章，发表于2011 年《科学》杂志。提出了一种新的健壮措施，并与其他措施进行了详尽而出色的比较。此外，所有措施都经过了健壮性测试。请注意，此新措施还能够识别数据中的多个功能关系，也可以识别非功能关系。

肯德尔的tau在copula理论中被广泛使用，可能是因为对于阿基米德copulas这是很自然的事情。Genest和Rivest引入了累积Kendall tau的图，以作为在双变量copulas族中选择模型的方法。

链接到Genest Rivest（1993）的论文

一些可靠的相关度量是：

1. 斯皮尔曼等级相关系数

2. 信号（Blomqvist）相关系数

3. 肯德尔的头

4. 布拉德利的绝对相关系数

5. Shevlyakov相关系数

参考文献：

•Blomqvist，N.（1950）“关于两个随机变量之间的依存性的度量”，《数学统计年鉴》，21（4）：593-600。•Bradley，C.（1985年），“绝对相关性”，《数学公报》，69（447）：12-17。•Shevlyakov，GL（1997年）“关于相关系数的稳健估计”，数学科学学报，83（3）：434-438。•Spearman，C.（1904年），“两件事之间的关联的证明和度量”，《美国心理学杂志》，15：88-93。

通过WGCNA 在R中（非常快）和在astropy中在Python中（不太快）实现了双权中间相关。这是我进行网络分析的必经之路。

对于稀疏的成分数据，还有SparCC和FastSpar