除非有充分的理由插补缺失的数据，否则可以从两个向量中删除缺失的值。
nanidx=isnan（A）| isnan（B）；
corr（A（~nanidx），B（~nanidx））
为什么我会得到相关结果？
4个视图（过去30天）
显示旧的评论
更多答案（1）
春如
2021年8月13日
在计算相关性之前，使用“fillmissing”填充NAN。有关更多详细信息，请参阅doc fillmissing。
7评论
沃尔特·罗伯森
2021年8月17日
数学上，如果你有向量A和B，那么
cAB=corr（A，B）；
P=randperm（numel（A））；
pA = (P);
pB=B（P）；
cpAB=corr（pA，pB）；
然后cAB需要在四舍五入内等于cpAB
顺序
在相同的向量中，元素之间的相对比例并不重要：只有
相关的
这两个载体之间的关系很重要。
但是，如果你将fillmissing（A）与fillmissing（pA）进行比较，那么你会得到不同的结果，因为fillmissing是基于附近的值，假设存在某种平滑连续性。这与不关心序列顺序的相关数学不太兼容。
如果你有一些向量的预测函数，那么是的，应用这个预测函数可能是有意义的。在某些情况下，应用像narx这样的东西进行预测甚至可能是有意义的。但这必须基于向量所代表的知识。fillmissing（）不知道它们代表什么。
您还可以从以下列表中选择网站：