我知道在这方面也有人问过类似的问题，但我仍然无法弄清楚这一点。我有一个 (v1, ..., vN) 变量的 NbyN 相关矩阵，我想首先确定高度相关的比率。这部分简单直接。然后，假设我确定了高度相关的对 (v1, v2)。为了决定保留哪一个，我使用二元因变量并计算 Kruskal-Wallis 检验以删除因变量具有最高 p 值的那个。这听起来像是一个好方法吗？你认为我应该如何编写这个 Python 并且我是否缺少变量之间的互连，假设 v1 与 v2 以及 v3 相关？
我知道在这方面也有人问过类似的问题，但我仍然无法弄清楚这一点。我有一个 (v1, ..., vN) 变量的 NbyN 相关矩阵，我想首先确定高度相关的比率。这部分简单直接。然后，假设我确定了高度相关的对 (v1, v2)。为了决定保留哪一个，我使用二元因变量并计算 Kruskal-Wallis 检验以删除因变量具有最高 p 值的那个。这听起来像是一个好方法吗？你认为我应该如何编写这个 Python 并且我是否缺少变量之间的互连，假设 v1 与 v2 以及 v3 相关？